Run code test:

In [1]:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import json
import os
%matplotlib inline
In [2]:
txt = open('../input/music-generation/data/input.txt').read()

LOOKING AT THE DATA

In [4]:
type(txt)
Out[4]:
str
In [5]:
len(txt)
Out[5]:
129665
In [6]:
txt_set = list(set(txt))
count = []

for i in txt_set:
    count.append(txt.count(i))
In [7]:
count = pd.DataFrame(count,columns=['count'])
item = pd.DataFrame(txt_set,columns=['elemnt'])

df = pd.concat([item,count],axis=1)
df.sort_values(by=['count'],ascending=False).style.background_gradient(cmap='Reds')
Out[7]:
elemnt count
80 " 18718
8 10503
71 | 8147
68 A 7073
47 2 6184
82 d 5437
39 e 5378
4 B 5132
78 4991
19 G 4950
2 c 4268
26 D 4002
84 a 3694
37 f 3111
49 : 2988
57 g 2926
9 E 2512
29 m 2146
1 3 2139
62 7 2100
32 F 2065
38 i 1579
0 / 1463
13 t 1310
55 C 1148
34 s 1032
20 o 924
65 b 918
10 n 813
54 h 813
15 M 806
42 r 726
17 T 565
58 P 558
56 l 522
81 ^ 502
72 u 498
14 - 484
85 6 472
83 , 445
74 S 439
53 8 433
45 K 431
61 N 365
31 % 357
18 X 340
33 1 307
79 v 285
76 w 239
3 R 227
6 [ 177
7 y 154
22 = 144
28 \ 142
16 Y 137
60 4 128
21 ' 121
40 9 121
46 J 99
41 k 87
50 # 86
11 p 81
73 + 81
51 0 79
36 5 71
44 L 63
48 W 63
25 H 60
24 ( 47
30 ] 44
52 _ 39
63 z 33
12 I 29
75 O 26
35 ) 21
69 Q 21
77 . 18
66 x 8
23 ! 7
5 q 4
64 U 3
43 ~ 2
27 ? 1
59 j 1
70 & 1
67 V 1
In [8]:
df[df['count']==df['count'].max()]
Out[8]:
elemnt count
80 " 18718
In [9]:
df[df['count']==df['count'].min()]
Out[9]:
elemnt count
27 ? 1
59 j 1
67 V 1
70 & 1
In [10]:
from plotly.offline import iplot
import plotly as py
import plotly.tools as tls
import cufflinks as cf

py.offline.init_notebook_mode(connected = True)
cf.go_offline()
cf.set_config_file(theme = 'solar')
In [11]:
txt_lists = list(txt)
txt_df = pd.DataFrame(txt_lists,columns = ['element'])
txt_df['element'].value_counts().iplot(kind='bar',
                                       title="count plot for diff elements",
                                       yTitle='count',
                                       xTitle='elements',
                                       bargap=0.4,
                                       color='magenta')
In [12]:
!pip install -U pandas_bokeh

Collecting pandas_bokeh
  Downloading pandas_bokeh-0.5-py2.py3-none-any.whl (29 kB)
Requirement already satisfied, skipping upgrade: pandas>=0.22.0 in /opt/conda/lib/python3.7/site-packages (from pandas_bokeh) (1.0.3)
Requirement already satisfied, skipping upgrade: bokeh>=2.0 in /opt/conda/lib/python3.7/site-packages (from pandas_bokeh) (2.0.1)
Requirement already satisfied, skipping upgrade: pytz>=2017.2 in /opt/conda/lib/python3.7/site-packages (from pandas>=0.22.0->pandas_bokeh) (2019.3)
Requirement already satisfied, skipping upgrade: python-dateutil>=2.6.1 in /opt/conda/lib/python3.7/site-packages (from pandas>=0.22.0->pandas_bokeh) (2.8.1)
Requirement already satisfied, skipping upgrade: numpy>=1.13.3 in /opt/conda/lib/python3.7/site-packages (from pandas>=0.22.0->pandas_bokeh) (1.18.1)
Requirement already satisfied, skipping upgrade: packaging>=16.8 in /opt/conda/lib/python3.7/site-packages (from bokeh>=2.0->pandas_bokeh) (20.1)
Requirement already satisfied, skipping upgrade: Jinja2>=2.7 in /opt/conda/lib/python3.7/site-packages (from bokeh>=2.0->pandas_bokeh) (2.11.2)
Requirement already satisfied, skipping upgrade: tornado>=5 in /opt/conda/lib/python3.7/site-packages (from bokeh>=2.0->pandas_bokeh) (5.0.2)
Requirement already satisfied, skipping upgrade: PyYAML>=3.10 in /opt/conda/lib/python3.7/site-packages (from bokeh>=2.0->pandas_bokeh) (5.3.1)
Requirement already satisfied, skipping upgrade: typing-extensions>=3.7.4 in /opt/conda/lib/python3.7/site-packages (from bokeh>=2.0->pandas_bokeh) (3.7.4.1)
Requirement already satisfied, skipping upgrade: pillow>=4.0 in /opt/conda/lib/python3.7/site-packages (from bokeh>=2.0->pandas_bokeh) (5.4.1)
Requirement already satisfied, skipping upgrade: six>=1.5 in /opt/conda/lib/python3.7/site-packages (from python-dateutil>=2.6.1->pandas>=0.22.0->pandas_bokeh) (1.14.0)
Requirement already satisfied, skipping upgrade: pyparsing>=2.0.2 in /opt/conda/lib/python3.7/site-packages (from packaging>=16.8->bokeh>=2.0->pandas_bokeh) (2.4.7)
Requirement already satisfied, skipping upgrade: MarkupSafe>=0.23 in /opt/conda/lib/python3.7/site-packages (from Jinja2>=2.7->bokeh>=2.0->pandas_bokeh) (1.1.1)
Installing collected packages: pandas-bokeh
Successfully installed pandas-bokeh-0.5
In [13]:
import pandas_bokeh
pd.set_option('plotting.backend', 'pandas_bokeh')
pandas_bokeh.output_notebook()
Loading BokehJS ...
In [14]:
txt_df['element'].value_counts().plot_bokeh(kind='bar',
                                            alpha=0.6,
                                            color= 'red',
                                            title="count plot for diff elements",
                                            ylabel='count',
                                            xlabel='elements')
Out[14]:
Figure(
id = '1038', …)

Analysing Individual

In [15]:
ak = 'X: 13T:Ballybunion% Nottingham Music DatabaseS:Folk Camps, via EFY:ABM:6/8K:GP:AB/2A/2|"G"G3 "C"g2e|"G/b"dBG "D7/a"AFD|"G"G3 "C"g2e|"G"dBG "D"A2B|"G""Em"G3 g2e|"G"dBG GAB|"C"cde "G/b"dcB|"D7/a"cBA "G"G2:|P:B|:B|"Em"eBe gbg|"Em"eBe gbg|"Em"eBe g2a|"Am"bag "B7"agf|"Em"eBe "Em/d+"gbg|"Em/d"eBe "Em/c+"g2a|"Am/c"bag "B7"agf|[1"Em"e3 e2:|[2"Em"e3 "D7"d2||'
In [16]:
type(ak)
Out[16]:
str
In [17]:
txt_set = list(set(txt))
count1 = []

for i in txt_set:
    count1.append(ak.count(i))
In [18]:
count_1 = pd.DataFrame(count1,columns=['count1'])
item1 = pd.DataFrame(txt_set,columns=['elemnt1'])

df1 = pd.concat([item1,count_1],axis=1)
In [19]:
df1.sort_values(by=['count1'],ascending=False).style.background_gradient(cmap='Reds')
Out[19]:
elemnt1 count1
80 " 58
8 24
71 | 21
4 B 19
39 e 18
19 G 17
57 g 16
84 a 15
29 m 14
47 2 12
0 / 11
49 : 11
9 E 11
65 b 9
68 A 9
82 d 8
2 c 6
1 3 6
26 D 6
62 7 5
38 i 4
55 C 4
56 l 3
32 F 3
13 t 3
20 o 3
34 s 3
10 n 3
37 f 2
6 [ 2
33 1 2
15 M 2
73 + 2
58 P 2
72 u 2
54 h 1
53 8 1
61 N 1
79 v 1
74 S 1
83 , 1
45 K 1
85 6 1
31 % 1
41 k 1
7 y 1
11 p 1
18 X 1
17 T 1
16 Y 1
75 O 0
21 ' 0
69 Q 0
70 & 0
14 - 0
42 r 0
76 w 0
66 x 0
77 . 0
78 0
12 I 0
81 ^ 0
5 q 0
3 R 0
67 V 0
64 U 0
22 = 0
44 L 0
46 J 0
40 9 0
48 W 0
36 5 0
50 # 0
51 0 0
52 _ 0
35 ) 0
30 ] 0
28 \ 0
27 ? 0
25 H 0
59 j 0
60 4 0
24 ( 0
23 ! 0
63 z 0
43 ~ 0
In [20]:
df1[df1['count1']==df1['count1'].max()]
Out[20]:
elemnt1 count1
80 " 58
In [21]:
df1[df1['count1']==df1['count1'].min()]
Out[21]:
elemnt1 count1
3 R 0
5 q 0
12 I 0
14 - 0
21 ' 0
22 = 0
23 ! 0
24 ( 0
25 H 0
27 ? 0
28 \ 0
30 ] 0
35 ) 0
36 5 0
40 9 0
42 r 0
43 ~ 0
44 L 0
46 J 0
48 W 0
50 # 0
51 0 0
52 _ 0
59 j 0
60 4 0
63 z 0
64 U 0
66 x 0
67 V 0
69 Q 0
70 & 0
75 O 0
76 w 0
77 . 0
78 \n 0
81 ^ 0
In [22]:
txt_lists1 = list(ak)
txt_df1 = pd.DataFrame(txt_lists1,columns = ['element1'])
txt_df1['element1'].value_counts().iplot(kind='bar',title="count plot for diff elements",yTitle='count',xTitle='elements',bargap=0.4)
In [23]:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import squarify
import json
import os
%matplotlib inline


txt_set = set(txt)

lists = []
for i in txt_set:
    lists.append(txt.count(i))
    
print(len(lists))
print(len(txt_set))

item_count = pd.DataFrame(lists,columns=['count'])
item = pd.DataFrame(txt_set,columns=['item'])
df  = pd.concat([item,item_count],axis=1)
df.head()

86
86
Out[23]:
item count
0 / 1463
1 3 2139
2 c 4268
3 R 227
4 B 5132
In [24]:
fig = plt.figure(figsize=(25, 21))
ind = df['item'].value_counts().to_frame()
ax = fig.add_subplot(111, aspect="equal")

#color = plt.cm.magma(np.linspace(0, 1, 15))
color = plt.cm.spring(np.linspace(0, 1, 86))
ax = squarify.plot(sizes=df['count'].values,label=ind.index,
              color=color, alpha=1)

#color = sns.color_palette('cubehelix_r', 90)
ax.set_xticks([])
ax.set_yticks([])
fig=plt.gcf()
fig.set_size_inches(40,25)
plt.title("Treemap of different elements in the text", fontsize=25)
plt.show();

Model Building:

In [25]:
import os
import tensorflow as tf
from tensorflow.keras.models import Sequential, load_model
from tensorflow.keras.layers import LSTM, Dropout, TimeDistributed, Dense, Activation, Embedding,Conv1D,MaxPool1D,GlobalMaxPool1D


MODEL_DIR = './model'

def save_weights(epoch, model):
    if not os.path.exists(MODEL_DIR):
        os.makedirs(MODEL_DIR)
    model.save_weights(os.path.join(MODEL_DIR, 'weights.{}.h5'.format(epoch)))

def load_weights(epoch, model):
    model.load_weights(os.path.join(MODEL_DIR, 'weights.{}.h5'.format(epoch)))

def build_model(batch_size, seq_len, vocab_size):
    model = Sequential()
    model.add(Embedding(vocab_size, 512, batch_input_shape=(batch_size, seq_len)))
    for i in range(3):
        model.add(LSTM(256, return_sequences=True, stateful=True))
        model.add(Dropout(0.2))

    model.add(TimeDistributed(Dense(vocab_size))) 
    model.add(Activation('softmax'))
    return model
In [26]:
bd = build_model(16,64,86)
In [27]:
tf.keras.utils.plot_model(bd, show_shapes=True, dpi=64)
Out[27]:
In [28]:
import os
import json
import argparse

import numpy as np

# from model import build_model, save_weights

# ../input/music-generation
# ../input/music-generation/data/char_to_idx.json
#../input/py-files
#../input/output/
DATA_DIR = '../input/music-generation/data'
LOG_DIR = '../output'

BATCH_SIZE = 16
SEQ_LENGTH = 64

class TrainLogger(object):
    def __init__(self, file):
        self.file = os.path.join(LOG_DIR, file)
        self.epochs = 0
        with open(self.file, 'w') as f:
            f.write('epoch,loss,acc\n')

    def add_entry(self, loss, acc):
        self.epochs += 1
        s = '{},{},{}\n'.format(self.epochs, loss, acc)
        with open(self.file, 'a') as f:
            f.write(s)

def read_batches(T, vocab_size):
    length = T.shape[0]; #129,665
    batch_chars = int(length / BATCH_SIZE); # 8,104

    for start in range(0, batch_chars - SEQ_LENGTH, SEQ_LENGTH): # (0, 8040, 64)
        X = np.zeros((BATCH_SIZE, SEQ_LENGTH)) # 16X64
        Y = np.zeros((BATCH_SIZE, SEQ_LENGTH, vocab_size)) # 16X64X86
        for batch_idx in range(0, BATCH_SIZE): # (0,16)
            for i in range(0, SEQ_LENGTH): #(0,64)
                X[batch_idx, i] = T[batch_chars * batch_idx + start + i] # 
                Y[batch_idx, i, T[batch_chars * batch_idx + start + i + 1]] = 1
        yield X, Y
In [29]:
def train(text, epochs=100, save_freq=10):

    # character to index and vice-versa mappings
    char_to_idx = { ch: i for (i, ch) in enumerate(sorted(list(set(text)))) }
    print("Number of unique characters: " + str(len(char_to_idx))) #86

#     with open(os.path.join(DATA_DIR, 'char_to_idx.json'), 'w') as f:
#         json.dump(char_to_idx, f)

    idx_to_char = { i: ch for (ch, i) in char_to_idx.items() }
    vocab_size = len(char_to_idx)

    #model_architecture
    model = build_model(BATCH_SIZE, SEQ_LENGTH, vocab_size)
    model.summary()
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])


    #Train data generation
    T = np.asarray([char_to_idx[c] for c in text], dtype=np.int32) #convert complete text into numerical indices

    print("Length of text:" + str(T.size)) #129,665

    steps_per_epoch = (len(text) / BATCH_SIZE - 1) / SEQ_LENGTH  

#     log = TrainLogger('training_log.csv')

    for epoch in range(epochs):
        print('\nEpoch {}/{}'.format(epoch + 1, epochs))
        
        losses, accs = [], []

        for i, (X, Y) in enumerate(read_batches(T, vocab_size)):
            
            print(X);

            loss, acc = model.train_on_batch(X, Y)
            print('Batch {}: loss = {}, acc = {}'.format(i + 1, loss, acc))
            losses.append(loss)
            accs.append(acc)

#         log.add_entry(np.average(losses), np.average(accs))

        if (epoch + 1) % save_freq == 0:
            save_weights(epoch + 1,model)
            print('Saved checkpoint to', 'weights.{}.h5'.format(epoch + 1))
    return losses,accs
In [30]:
losses,accs = train(txt)

Number of unique characters: 86
Model: "sequential_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
embedding_1 (Embedding)      (16, 64, 512)             44032     
_________________________________________________________________
lstm_3 (LSTM)                (16, 64, 256)             787456    
_________________________________________________________________
dropout_3 (Dropout)          (16, 64, 256)             0         
_________________________________________________________________
lstm_4 (LSTM)                (16, 64, 256)             525312    
_________________________________________________________________
dropout_4 (Dropout)          (16, 64, 256)             0         
_________________________________________________________________
lstm_5 (LSTM)                (16, 64, 256)             525312    
_________________________________________________________________
dropout_5 (Dropout)          (16, 64, 256)             0         
_________________________________________________________________
time_distributed_1 (TimeDist (16, 64, 86)              22102     
_________________________________________________________________
activation_1 (Activation)    (16, 64, 86)              0         
=================================================================
Total params: 1,904,214
Trainable params: 1,904,214
Non-trainable params: 0
_________________________________________________________________
Length of text:129665

Epoch 1/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 4.454092025756836, acc = 0.0048828125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 4.430655002593994, acc = 0.150390625
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 4.374324798583984, acc = 0.1142578125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 4.115111827850342, acc = 0.1455078125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 3.715172052383423, acc = 0.1611328125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 3.687964916229248, acc = 0.140625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 3.6000165939331055, acc = 0.1005859375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 3.573029041290283, acc = 0.0732421875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 3.6342763900756836, acc = 0.0859375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 3.5989739894866943, acc = 0.11328125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 3.42104434967041, acc = 0.15234375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 3.4903531074523926, acc = 0.158203125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 3.561798334121704, acc = 0.1455078125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 3.5119285583496094, acc = 0.1484375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 3.5566961765289307, acc = 0.1240234375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 3.4353513717651367, acc = 0.1279296875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 3.3896353244781494, acc = 0.1484375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 3.332789897918701, acc = 0.146484375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 3.5440115928649902, acc = 0.1279296875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 3.522277593612671, acc = 0.111328125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 3.5645029544830322, acc = 0.1181640625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 3.5263123512268066, acc = 0.1171875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 3.3391096591949463, acc = 0.1728515625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 3.5005972385406494, acc = 0.1357421875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 3.515439987182617, acc = 0.1318359375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 3.5357413291931152, acc = 0.123046875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 3.282335042953491, acc = 0.171875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 3.3900833129882812, acc = 0.15234375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 3.5710947513580322, acc = 0.1337890625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 3.9044501781463623, acc = 0.1171875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 3.498385190963745, acc = 0.1474609375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 3.447171449661255, acc = 0.1396484375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 3.473322629928589, acc = 0.1396484375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 3.398242473602295, acc = 0.142578125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 3.3721418380737305, acc = 0.1376953125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 3.576319932937622, acc = 0.1328125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 3.472402334213257, acc = 0.1142578125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 3.4392924308776855, acc = 0.1083984375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 3.428415060043335, acc = 0.125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 3.432779312133789, acc = 0.1376953125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 3.4559059143066406, acc = 0.14453125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 3.290942907333374, acc = 0.1806640625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 3.320300579071045, acc = 0.1796875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 3.5179882049560547, acc = 0.1416015625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 3.4468438625335693, acc = 0.1435546875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 3.3254380226135254, acc = 0.1533203125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 3.303454637527466, acc = 0.162109375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 3.284985303878784, acc = 0.1689453125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 3.3815340995788574, acc = 0.1435546875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 3.283750534057617, acc = 0.15625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 3.240229368209839, acc = 0.1591796875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 3.1917057037353516, acc = 0.1630859375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 3.3082845211029053, acc = 0.1279296875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 3.3565917015075684, acc = 0.13671875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 3.361466884613037, acc = 0.140625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 3.203618288040161, acc = 0.138671875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 3.163741111755371, acc = 0.1728515625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 3.298565626144409, acc = 0.1259765625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 3.3239545822143555, acc = 0.1474609375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 3.22837233543396, acc = 0.1513671875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 3.2345635890960693, acc = 0.1494140625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 3.1321120262145996, acc = 0.177734375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 3.307732105255127, acc = 0.146484375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 3.2754271030426025, acc = 0.1396484375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 3.1462104320526123, acc = 0.1640625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 3.181455135345459, acc = 0.15234375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 3.2703328132629395, acc = 0.1455078125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 3.247041940689087, acc = 0.1513671875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 3.1753671169281006, acc = 0.1552734375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 3.077561378479004, acc = 0.169921875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 3.2547502517700195, acc = 0.146484375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 3.2613868713378906, acc = 0.1630859375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 3.183563232421875, acc = 0.169921875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 3.087425470352173, acc = 0.177734375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 3.1215410232543945, acc = 0.1708984375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 3.2026922702789307, acc = 0.1689453125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 3.103666305541992, acc = 0.1943359375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 3.1034955978393555, acc = 0.16796875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 3.130988836288452, acc = 0.1767578125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 2.978362798690796, acc = 0.1904296875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 3.180461883544922, acc = 0.1748046875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 3.2108561992645264, acc = 0.1728515625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 3.1203346252441406, acc = 0.181640625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 3.069187879562378, acc = 0.1826171875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 2.992727518081665, acc = 0.1962890625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 3.144688606262207, acc = 0.1669921875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 3.27793288230896, acc = 0.1474609375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 3.1254043579101562, acc = 0.177734375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 3.20613694190979, acc = 0.1630859375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 3.1804375648498535, acc = 0.1708984375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 3.0449576377868652, acc = 0.1923828125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 3.0807909965515137, acc = 0.177734375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 3.1349680423736572, acc = 0.169921875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 3.0628905296325684, acc = 0.1806640625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 3.0341079235076904, acc = 0.1826171875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 3.004563570022583, acc = 0.181640625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 3.1431117057800293, acc = 0.158203125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 3.1373183727264404, acc = 0.1650390625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 2.9770185947418213, acc = 0.189453125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 3.0107154846191406, acc = 0.1865234375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 3.105962038040161, acc = 0.1728515625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 3.1290078163146973, acc = 0.1748046875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 3.071077346801758, acc = 0.1923828125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 3.017329692840576, acc = 0.189453125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 2.965341806411743, acc = 0.1904296875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 3.0125484466552734, acc = 0.1767578125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 3.021206855773926, acc = 0.1982421875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 2.9365575313568115, acc = 0.20703125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 2.8995819091796875, acc = 0.2041015625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 2.9915413856506348, acc = 0.197265625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 3.0226526260375977, acc = 0.1953125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 2.9956419467926025, acc = 0.189453125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 2.9439916610717773, acc = 0.185546875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 3.069051742553711, acc = 0.1806640625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 3.0181970596313477, acc = 0.1943359375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 2.9860687255859375, acc = 0.1904296875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 3.125615119934082, acc = 0.185546875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 2.964015007019043, acc = 0.2001953125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 2.9097297191619873, acc = 0.212890625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 2.994865655899048, acc = 0.2041015625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 2.9920058250427246, acc = 0.2041015625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 3.0606026649475098, acc = 0.1728515625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 2.976311445236206, acc = 0.18359375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 2.879131317138672, acc = 0.2158203125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 2.89017915725708, acc = 0.220703125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 3.0410962104797363, acc = 0.1943359375

Epoch 2/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 3.140002489089966, acc = 0.18359375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 2.8672211170196533, acc = 0.20703125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 3.0052270889282227, acc = 0.189453125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 2.916226387023926, acc = 0.193359375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 2.935506582260132, acc = 0.2119140625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 3.011359691619873, acc = 0.2060546875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 2.9870781898498535, acc = 0.208984375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 2.868121385574341, acc = 0.2265625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 2.9271512031555176, acc = 0.208984375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 2.7864928245544434, acc = 0.2138671875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 2.8542745113372803, acc = 0.205078125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 2.9104812145233154, acc = 0.21875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 2.894523859024048, acc = 0.2333984375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 2.8306491374969482, acc = 0.24609375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 2.8547732830047607, acc = 0.224609375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 2.80393123626709, acc = 0.23828125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 2.780064105987549, acc = 0.23046875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 2.8747220039367676, acc = 0.2236328125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 2.9016926288604736, acc = 0.2265625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 2.8155252933502197, acc = 0.2431640625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 2.8646411895751953, acc = 0.23046875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 2.8278279304504395, acc = 0.2216796875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 2.69472074508667, acc = 0.2529296875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 2.808283805847168, acc = 0.25
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 2.7283730506896973, acc = 0.2529296875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 2.754932403564453, acc = 0.265625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 2.6486623287200928, acc = 0.275390625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 2.657336473464966, acc = 0.251953125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 2.7213234901428223, acc = 0.2607421875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 2.698634147644043, acc = 0.2734375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 2.6808977127075195, acc = 0.279296875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 2.789219379425049, acc = 0.2646484375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 2.6922686100006104, acc = 0.2861328125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 2.6890597343444824, acc = 0.26953125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 2.597146511077881, acc = 0.2939453125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 2.8304872512817383, acc = 0.2470703125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 2.7366714477539062, acc = 0.2685546875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 2.705893039703369, acc = 0.275390625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 2.6501097679138184, acc = 0.302734375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 2.5910472869873047, acc = 0.3017578125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 2.57741641998291, acc = 0.29296875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 2.4684605598449707, acc = 0.326171875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 2.451347827911377, acc = 0.3271484375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 2.5642952919006348, acc = 0.294921875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 2.546074390411377, acc = 0.3017578125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 2.480034828186035, acc = 0.3017578125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 2.493410110473633, acc = 0.3173828125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 2.411771297454834, acc = 0.3076171875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 2.5188658237457275, acc = 0.2958984375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 2.4653711318969727, acc = 0.3251953125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 2.4406981468200684, acc = 0.3203125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 2.449713706970215, acc = 0.32421875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 2.5457475185394287, acc = 0.2978515625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 2.605672836303711, acc = 0.2900390625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 2.5874788761138916, acc = 0.2998046875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 2.408198595046997, acc = 0.3134765625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 2.4039504528045654, acc = 0.330078125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 2.522644281387329, acc = 0.2998046875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 2.476925849914551, acc = 0.2998046875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 2.4346399307250977, acc = 0.310546875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 2.5715034008026123, acc = 0.3037109375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 2.355896472930908, acc = 0.3544921875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 2.5529701709747314, acc = 0.3076171875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 2.3785271644592285, acc = 0.3271484375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 2.312703847885132, acc = 0.3544921875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 2.328585147857666, acc = 0.3564453125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 2.4544003009796143, acc = 0.333984375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 2.350747585296631, acc = 0.33984375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 2.300996780395508, acc = 0.3583984375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 2.3293769359588623, acc = 0.33984375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 2.354844570159912, acc = 0.3369140625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 2.3848729133605957, acc = 0.3251953125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 2.2889480590820312, acc = 0.3486328125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 2.199592351913452, acc = 0.3818359375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 2.245954751968384, acc = 0.349609375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 2.3239846229553223, acc = 0.3525390625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 2.2191274166107178, acc = 0.3662109375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 2.169088125228882, acc = 0.3603515625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 2.098301887512207, acc = 0.3828125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 1.9730095863342285, acc = 0.419921875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 2.2405354976654053, acc = 0.353515625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 2.2768607139587402, acc = 0.36328125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 2.1937570571899414, acc = 0.3740234375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 2.163393974304199, acc = 0.400390625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.9900020360946655, acc = 0.421875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 2.287698745727539, acc = 0.3515625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 2.3413124084472656, acc = 0.3642578125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 2.272064208984375, acc = 0.3818359375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 2.39058780670166, acc = 0.3408203125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 2.3949484825134277, acc = 0.3623046875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 2.153470754623413, acc = 0.3876953125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 2.1432390213012695, acc = 0.3828125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 2.202723741531372, acc = 0.369140625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 2.1165285110473633, acc = 0.3916015625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 2.072042465209961, acc = 0.3828125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 2.110208034515381, acc = 0.396484375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 2.242668390274048, acc = 0.349609375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 2.2236385345458984, acc = 0.3837890625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 2.0050227642059326, acc = 0.4326171875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.9874109029769897, acc = 0.41796875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 2.227303981781006, acc = 0.3740234375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 2.2796037197113037, acc = 0.3720703125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 2.190800666809082, acc = 0.3740234375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 2.0860679149627686, acc = 0.3916015625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 2.0517184734344482, acc = 0.412109375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 2.137211561203003, acc = 0.388671875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 2.1047048568725586, acc = 0.388671875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 2.0425233840942383, acc = 0.41015625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.9967122077941895, acc = 0.41015625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 2.1279728412628174, acc = 0.37890625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 2.2309658527374268, acc = 0.3662109375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 2.1284823417663574, acc = 0.39453125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 2.081878423690796, acc = 0.3974609375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 2.2618398666381836, acc = 0.3779296875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 2.187356948852539, acc = 0.396484375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 2.2114038467407227, acc = 0.3837890625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 2.322019100189209, acc = 0.361328125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 2.074678659439087, acc = 0.40234375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 2.080098867416382, acc = 0.4091796875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 2.188359022140503, acc = 0.37890625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 2.08756422996521, acc = 0.39453125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 2.2782490253448486, acc = 0.33984375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 2.1892669200897217, acc = 0.369140625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 2.041766405105591, acc = 0.4052734375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 2.0083444118499756, acc = 0.408203125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 2.2159085273742676, acc = 0.3759765625

Epoch 3/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 2.5944647789001465, acc = 0.3486328125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 2.0659589767456055, acc = 0.408203125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 2.2275550365448, acc = 0.37890625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 2.065338134765625, acc = 0.3984375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 2.163652181625366, acc = 0.384765625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 2.23300838470459, acc = 0.37109375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 2.271846294403076, acc = 0.3603515625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 2.0988411903381348, acc = 0.390625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 2.14093017578125, acc = 0.400390625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 1.9547326564788818, acc = 0.4453125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 2.0193774700164795, acc = 0.447265625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 2.1682333946228027, acc = 0.404296875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 2.1403965950012207, acc = 0.3857421875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.9817514419555664, acc = 0.423828125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 2.093737840652466, acc = 0.3974609375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 2.0304925441741943, acc = 0.40625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 2.033447742462158, acc = 0.404296875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 2.1518471240997314, acc = 0.3876953125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 2.2189550399780273, acc = 0.369140625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 2.0164690017700195, acc = 0.41796875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 2.2011375427246094, acc = 0.3662109375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 2.030034303665161, acc = 0.396484375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 1.9440137147903442, acc = 0.4296875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 2.082993507385254, acc = 0.388671875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 1.958042025566101, acc = 0.4228515625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 1.9740322828292847, acc = 0.419921875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.8704934120178223, acc = 0.46484375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.9179925918579102, acc = 0.4453125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.9676425457000732, acc = 0.4453125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 1.9712027311325073, acc = 0.44140625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 2.031200885772705, acc = 0.4287109375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 2.218445301055908, acc = 0.392578125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 2.064311981201172, acc = 0.4140625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 2.0582661628723145, acc = 0.4169921875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.997101068496704, acc = 0.4306640625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 2.2277116775512695, acc = 0.3857421875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 2.1546144485473633, acc = 0.4189453125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 2.0648162364959717, acc = 0.3955078125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.9930355548858643, acc = 0.4326171875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.9859950542449951, acc = 0.419921875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 1.901019811630249, acc = 0.4345703125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.80833101272583, acc = 0.4697265625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.8731878995895386, acc = 0.439453125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 2.024233818054199, acc = 0.408203125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 1.8918006420135498, acc = 0.43359375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 1.9446911811828613, acc = 0.4306640625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 1.9285129308700562, acc = 0.4345703125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 1.8474571704864502, acc = 0.4306640625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 1.939862847328186, acc = 0.4208984375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 1.8611299991607666, acc = 0.451171875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 1.9494056701660156, acc = 0.423828125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.9490966796875, acc = 0.4296875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 2.0088729858398438, acc = 0.4150390625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 2.017249345779419, acc = 0.4189453125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 2.053222417831421, acc = 0.41015625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.8350995779037476, acc = 0.4365234375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.9045664072036743, acc = 0.4287109375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.9854048490524292, acc = 0.4150390625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 1.9066838026046753, acc = 0.4384765625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.8935275077819824, acc = 0.462890625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 2.1258544921875, acc = 0.416015625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.9261757135391235, acc = 0.4384765625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 2.1342086791992188, acc = 0.3974609375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 1.8083308935165405, acc = 0.490234375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.8642064332962036, acc = 0.4716796875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.8650233745574951, acc = 0.462890625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 1.9615236520767212, acc = 0.451171875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.8744512796401978, acc = 0.458984375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 1.7969063520431519, acc = 0.4638671875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.9242668151855469, acc = 0.439453125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 1.877017617225647, acc = 0.4423828125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 1.877394437789917, acc = 0.45703125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.8871400356292725, acc = 0.42578125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.7779370546340942, acc = 0.4638671875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.8596413135528564, acc = 0.44140625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.9060307741165161, acc = 0.4423828125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 1.7617151737213135, acc = 0.490234375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 1.686295986175537, acc = 0.5
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 1.6581904888153076, acc = 0.505859375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 1.609510064125061, acc = 0.498046875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 1.807424783706665, acc = 0.4638671875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 1.8125702142715454, acc = 0.4736328125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 1.7708369493484497, acc = 0.46484375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 1.7393697500228882, acc = 0.4990234375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.6778215169906616, acc = 0.48828125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.9002059698104858, acc = 0.447265625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 1.8645315170288086, acc = 0.478515625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.9407222270965576, acc = 0.4658203125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 2.0361783504486084, acc = 0.423828125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 2.0114424228668213, acc = 0.4619140625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.8490355014801025, acc = 0.46484375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 1.7535879611968994, acc = 0.4931640625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 1.7630375623703003, acc = 0.49609375
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 1.6986579895019531, acc = 0.5048828125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 1.7224810123443604, acc = 0.482421875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.7453961372375488, acc = 0.4814453125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 1.8375494480133057, acc = 0.46875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.8251419067382812, acc = 0.4951171875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.7169983386993408, acc = 0.48828125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.666170358657837, acc = 0.4921875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.8804113864898682, acc = 0.455078125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.9506759643554688, acc = 0.447265625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.8739814758300781, acc = 0.4677734375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 1.7166072130203247, acc = 0.4921875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 1.7762564420700073, acc = 0.4814453125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.8353285789489746, acc = 0.4833984375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 1.7576156854629517, acc = 0.4853515625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.7520701885223389, acc = 0.4833984375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.693482518196106, acc = 0.4892578125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 1.780640959739685, acc = 0.4853515625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.906459927558899, acc = 0.44921875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 1.8113523721694946, acc = 0.4716796875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.762165904045105, acc = 0.4853515625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.881672978401184, acc = 0.478515625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.8806536197662354, acc = 0.47265625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.8486639261245728, acc = 0.4775390625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 1.8361337184906006, acc = 0.474609375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 1.7352524995803833, acc = 0.4853515625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.7717705965042114, acc = 0.4638671875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.8848695755004883, acc = 0.451171875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 1.7282272577285767, acc = 0.4912109375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 1.8499798774719238, acc = 0.462890625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.7676725387573242, acc = 0.48828125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.7519268989562988, acc = 0.474609375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.73849618434906, acc = 0.498046875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.8904494047164917, acc = 0.458984375

Epoch 4/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 2.351592540740967, acc = 0.400390625
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.7966246604919434, acc = 0.470703125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.922151803970337, acc = 0.46484375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.7147194147109985, acc = 0.494140625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.8730778694152832, acc = 0.4599609375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.9456558227539062, acc = 0.4609375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.9446890354156494, acc = 0.4609375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.7438888549804688, acc = 0.4951171875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 1.7891225814819336, acc = 0.4716796875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 1.6437273025512695, acc = 0.525390625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.7594940662384033, acc = 0.4970703125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.9156311750411987, acc = 0.4580078125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 1.8235899209976196, acc = 0.48046875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.707299828529358, acc = 0.4912109375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 1.7899197340011597, acc = 0.490234375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.8615682125091553, acc = 0.4677734375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.8245501518249512, acc = 0.4873046875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.8947417736053467, acc = 0.451171875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 1.9565963745117188, acc = 0.4384765625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 1.7397902011871338, acc = 0.4921875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.9132627248764038, acc = 0.455078125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 1.7372026443481445, acc = 0.4775390625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 1.7367846965789795, acc = 0.4775390625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 1.829602837562561, acc = 0.462890625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 1.6764487028121948, acc = 0.521484375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 1.7088738679885864, acc = 0.498046875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.669468641281128, acc = 0.5078125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.6530450582504272, acc = 0.505859375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.6650726795196533, acc = 0.52734375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 1.6932156085968018, acc = 0.525390625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.797621250152588, acc = 0.478515625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.9917404651641846, acc = 0.4384765625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 1.8114573955535889, acc = 0.470703125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.7793769836425781, acc = 0.4755859375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.7506369352340698, acc = 0.48828125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.9196510314941406, acc = 0.4677734375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.8277419805526733, acc = 0.4990234375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.8013989925384521, acc = 0.46875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.7419114112854004, acc = 0.48046875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.7324413061141968, acc = 0.48828125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 1.6545122861862183, acc = 0.525390625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.5883960723876953, acc = 0.5380859375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.6535625457763672, acc = 0.5029296875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 1.723271369934082, acc = 0.498046875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 1.590527892112732, acc = 0.5419921875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 1.7008908987045288, acc = 0.490234375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 1.684208869934082, acc = 0.5087890625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 1.594085931777954, acc = 0.5048828125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 1.6215424537658691, acc = 0.53125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 1.6016572713851929, acc = 0.525390625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 1.6906547546386719, acc = 0.4833984375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.7666523456573486, acc = 0.474609375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.7709896564483643, acc = 0.48046875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 1.713670015335083, acc = 0.5322265625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 1.7322065830230713, acc = 0.525390625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.6064178943634033, acc = 0.5234375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.7288200855255127, acc = 0.4638671875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.7268452644348145, acc = 0.4990234375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 1.5362955331802368, acc = 0.552734375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.6384377479553223, acc = 0.5234375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.7969608306884766, acc = 0.4853515625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.8186265230178833, acc = 0.439453125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.880850911140442, acc = 0.4521484375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 1.4822102785110474, acc = 0.5712890625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.616067886352539, acc = 0.52734375
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.6251966953277588, acc = 0.517578125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 1.6579636335372925, acc = 0.5283203125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.632786750793457, acc = 0.5400390625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 1.5620417594909668, acc = 0.529296875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.7717244625091553, acc = 0.4755859375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 1.6139585971832275, acc = 0.517578125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 1.5802931785583496, acc = 0.5400390625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.655822515487671, acc = 0.505859375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.6055519580841064, acc = 0.5009765625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.6804414987564087, acc = 0.4892578125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.7179182767868042, acc = 0.486328125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 1.489967703819275, acc = 0.5556640625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 1.497372031211853, acc = 0.5546875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 1.431159257888794, acc = 0.572265625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 1.4472523927688599, acc = 0.548828125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 1.5364779233932495, acc = 0.5595703125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 1.5146725177764893, acc = 0.5712890625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 1.5466896295547485, acc = 0.5478515625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 1.5247162580490112, acc = 0.55859375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.5740983486175537, acc = 0.5166015625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.6652843952178955, acc = 0.53125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 1.5742148160934448, acc = 0.5703125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.7822110652923584, acc = 0.50390625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.7751617431640625, acc = 0.52734375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.8474817276000977, acc = 0.4921875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.7157007455825806, acc = 0.49609375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 1.5198862552642822, acc = 0.5546875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 1.507932424545288, acc = 0.5654296875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 1.5032541751861572, acc = 0.5625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 1.582066297531128, acc = 0.5205078125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.5893000364303589, acc = 0.521484375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 1.600059151649475, acc = 0.5517578125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.5608775615692139, acc = 0.5556640625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.5512590408325195, acc = 0.525390625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.5415818691253662, acc = 0.521484375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.6835176944732666, acc = 0.513671875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.7495368719100952, acc = 0.5078125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.6895369291305542, acc = 0.513671875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 1.5501840114593506, acc = 0.537109375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 1.630608320236206, acc = 0.5146484375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.679246187210083, acc = 0.5107421875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 1.5814342498779297, acc = 0.53515625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.5974317789077759, acc = 0.525390625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.5507620573043823, acc = 0.5234375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 1.5446534156799316, acc = 0.5576171875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.7236791849136353, acc = 0.4892578125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 1.596534252166748, acc = 0.537109375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.5657275915145874, acc = 0.5283203125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.6442666053771973, acc = 0.53515625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.6912641525268555, acc = 0.51171875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.7016994953155518, acc = 0.5029296875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 1.5886210203170776, acc = 0.544921875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 1.5834711790084839, acc = 0.51171875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.6604437828063965, acc = 0.4833984375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.7058889865875244, acc = 0.49609375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 1.549605131149292, acc = 0.5283203125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 1.6035066843032837, acc = 0.5244140625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.5635143518447876, acc = 0.5458984375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.6095731258392334, acc = 0.505859375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.5848424434661865, acc = 0.5244140625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.686521291732788, acc = 0.5234375

Epoch 5/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 2.1946589946746826, acc = 0.4296875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.6767257452011108, acc = 0.4921875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.730205774307251, acc = 0.498046875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.551147222518921, acc = 0.537109375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.7441831827163696, acc = 0.484375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.7860794067382812, acc = 0.48828125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.774144172668457, acc = 0.4921875
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.5677576065063477, acc = 0.546875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 1.5856434106826782, acc = 0.5341796875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 1.4441254138946533, acc = 0.578125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.586315631866455, acc = 0.533203125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.8132600784301758, acc = 0.482421875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 1.7003254890441895, acc = 0.4951171875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.522706151008606, acc = 0.529296875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 1.5882434844970703, acc = 0.54296875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.7110881805419922, acc = 0.4990234375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.6625710725784302, acc = 0.51953125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.7604442834854126, acc = 0.48828125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 1.7132079601287842, acc = 0.5029296875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 1.5341601371765137, acc = 0.5419921875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.7282426357269287, acc = 0.51171875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 1.563347339630127, acc = 0.5341796875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 1.6233913898468018, acc = 0.4990234375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 1.667781949043274, acc = 0.5048828125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 1.504509687423706, acc = 0.56640625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 1.5495766401290894, acc = 0.5498046875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.5771633386611938, acc = 0.52734375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.5563693046569824, acc = 0.53125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.5097180604934692, acc = 0.5703125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 1.513498067855835, acc = 0.5634765625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.650534987449646, acc = 0.5126953125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.8872395753860474, acc = 0.451171875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 1.6449426412582397, acc = 0.51953125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.6093089580535889, acc = 0.5087890625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.6100661754608154, acc = 0.5263671875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.7193641662597656, acc = 0.515625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.6857945919036865, acc = 0.5263671875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.675150990486145, acc = 0.5078125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.6011205911636353, acc = 0.5185546875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.578424334526062, acc = 0.5107421875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 1.4949630498886108, acc = 0.5595703125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.4915387630462646, acc = 0.5419921875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.5368924140930176, acc = 0.5126953125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 1.518119215965271, acc = 0.5400390625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 1.437936544418335, acc = 0.568359375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 1.5648915767669678, acc = 0.5224609375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 1.55318021774292, acc = 0.5380859375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 1.4822319746017456, acc = 0.5361328125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 1.4509022235870361, acc = 0.564453125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 1.4639140367507935, acc = 0.5537109375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 1.5444751977920532, acc = 0.533203125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.6302862167358398, acc = 0.5361328125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.6174618005752563, acc = 0.5126953125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 1.5306847095489502, acc = 0.5732421875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 1.5828187465667725, acc = 0.5546875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.4935210943222046, acc = 0.5341796875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.6033731698989868, acc = 0.4921875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.5744147300720215, acc = 0.5283203125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 1.356346607208252, acc = 0.6044921875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.5048587322235107, acc = 0.5390625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.6291437149047852, acc = 0.5283203125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.7041033506393433, acc = 0.4736328125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.7269833087921143, acc = 0.5009765625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 1.3150339126586914, acc = 0.611328125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.485348105430603, acc = 0.5625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.5112709999084473, acc = 0.552734375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 1.4964756965637207, acc = 0.576171875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.48465895652771, acc = 0.57421875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 1.4465172290802002, acc = 0.552734375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.6401530504226685, acc = 0.4990234375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 1.4538161754608154, acc = 0.5634765625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 1.422738790512085, acc = 0.576171875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.5303503274917603, acc = 0.533203125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.4903111457824707, acc = 0.5322265625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.5606539249420166, acc = 0.5068359375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.5766165256500244, acc = 0.5263671875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 1.353339672088623, acc = 0.58984375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 1.3950791358947754, acc = 0.56640625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 1.2766227722167969, acc = 0.6162109375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 1.3664439916610718, acc = 0.5654296875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 1.4021095037460327, acc = 0.5771484375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 1.3389768600463867, acc = 0.6064453125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 1.4270938634872437, acc = 0.5712890625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 1.4034051895141602, acc = 0.578125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.4817999601364136, acc = 0.53515625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.4946941137313843, acc = 0.5576171875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 1.4246326684951782, acc = 0.5986328125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.6313358545303345, acc = 0.5068359375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.5642366409301758, acc = 0.546875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.6963481903076172, acc = 0.513671875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.5838634967803955, acc = 0.5185546875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 1.3618730306625366, acc = 0.583984375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 1.3411028385162354, acc = 0.6044921875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 1.4030207395553589, acc = 0.58203125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 1.4917781352996826, acc = 0.5283203125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.464856743812561, acc = 0.5498046875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 1.4490524530410767, acc = 0.5673828125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.4450843334197998, acc = 0.5771484375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.4450091123580933, acc = 0.546875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.4072329998016357, acc = 0.5478515625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.5579187870025635, acc = 0.5302734375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.5768276453018188, acc = 0.5361328125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.549114465713501, acc = 0.5302734375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 1.410283088684082, acc = 0.5673828125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 1.5069475173950195, acc = 0.5458984375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.5568292140960693, acc = 0.53515625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 1.4359256029129028, acc = 0.564453125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.4753053188323975, acc = 0.5537109375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.443838119506836, acc = 0.5400390625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 1.3757350444793701, acc = 0.5791015625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.5935198068618774, acc = 0.517578125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 1.457112431526184, acc = 0.5537109375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.4715994596481323, acc = 0.5546875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.5257692337036133, acc = 0.5576171875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.5892574787139893, acc = 0.5244140625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.5682815313339233, acc = 0.521484375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 1.408424973487854, acc = 0.5859375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 1.4415448904037476, acc = 0.546875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.5589580535888672, acc = 0.5009765625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.5715932846069336, acc = 0.5146484375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 1.4165563583374023, acc = 0.544921875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 1.4206135272979736, acc = 0.556640625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.4378221035003662, acc = 0.55859375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.4984490871429443, acc = 0.521484375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.49652898311615, acc = 0.537109375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.5650895833969116, acc = 0.53125

Epoch 6/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 2.017291784286499, acc = 0.4658203125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.5612283945083618, acc = 0.5244140625
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.5537612438201904, acc = 0.533203125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.4565836191177368, acc = 0.5517578125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.6414743661880493, acc = 0.5166015625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.6595126390457153, acc = 0.5048828125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.632880687713623, acc = 0.5078125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.4434655904769897, acc = 0.5673828125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 1.4535155296325684, acc = 0.5419921875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 1.328421711921692, acc = 0.58984375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.509361743927002, acc = 0.5380859375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.6932759284973145, acc = 0.5029296875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 1.5527989864349365, acc = 0.5205078125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.4039232730865479, acc = 0.564453125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 1.4566184282302856, acc = 0.5625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.5762823820114136, acc = 0.521484375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.5355558395385742, acc = 0.5390625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.6479309797286987, acc = 0.509765625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 1.5860660076141357, acc = 0.5234375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 1.4029239416122437, acc = 0.5625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.6085089445114136, acc = 0.5166015625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 1.4246281385421753, acc = 0.55078125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 1.4603745937347412, acc = 0.5341796875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 1.5726858377456665, acc = 0.529296875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 1.390392780303955, acc = 0.5732421875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 1.4427111148834229, acc = 0.5654296875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.4561364650726318, acc = 0.5595703125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.460214614868164, acc = 0.55078125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.3923498392105103, acc = 0.587890625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 1.3979356288909912, acc = 0.5693359375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.530542016029358, acc = 0.533203125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.7407195568084717, acc = 0.4755859375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 1.528938889503479, acc = 0.54296875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.5219995975494385, acc = 0.5234375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.527610182762146, acc = 0.5283203125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.577650785446167, acc = 0.529296875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.550520420074463, acc = 0.552734375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.5570069551467896, acc = 0.53515625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.500450849533081, acc = 0.5244140625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.4619433879852295, acc = 0.546875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 1.3610866069793701, acc = 0.568359375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.3958101272583008, acc = 0.5556640625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.4396934509277344, acc = 0.53125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 1.4363855123519897, acc = 0.5576171875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 1.3281100988388062, acc = 0.6005859375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 1.4467475414276123, acc = 0.5556640625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 1.415279746055603, acc = 0.556640625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 1.3442670106887817, acc = 0.5732421875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 1.3366365432739258, acc = 0.5888671875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 1.3478493690490723, acc = 0.6015625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 1.4199587106704712, acc = 0.5478515625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.521453619003296, acc = 0.517578125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.5114675760269165, acc = 0.5244140625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 1.3998645544052124, acc = 0.5791015625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 1.4269449710845947, acc = 0.5751953125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.3721704483032227, acc = 0.5537109375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.4828522205352783, acc = 0.50390625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.439536213874817, acc = 0.54296875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 1.251827359199524, acc = 0.6171875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.4022002220153809, acc = 0.5498046875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.5150504112243652, acc = 0.5390625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.6131600141525269, acc = 0.4736328125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.5912519693374634, acc = 0.5166015625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 1.1823272705078125, acc = 0.6298828125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.4237333536148071, acc = 0.5546875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.3741552829742432, acc = 0.55859375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 1.365644097328186, acc = 0.60546875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.4102373123168945, acc = 0.591796875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 1.3417986631393433, acc = 0.576171875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.4976004362106323, acc = 0.53125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 1.3915119171142578, acc = 0.568359375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 1.3221869468688965, acc = 0.59765625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.4521348476409912, acc = 0.5517578125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.3912162780761719, acc = 0.5458984375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.4900001287460327, acc = 0.51953125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.4625513553619385, acc = 0.5400390625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 1.2701740264892578, acc = 0.60546875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 1.2968478202819824, acc = 0.59375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 1.188279151916504, acc = 0.630859375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 1.2929188013076782, acc = 0.5654296875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 1.2836964130401611, acc = 0.6044921875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 1.2320910692214966, acc = 0.626953125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 1.3152354955673218, acc = 0.587890625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 1.3069740533828735, acc = 0.5986328125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.427566409111023, acc = 0.5380859375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.3867933750152588, acc = 0.57421875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 1.2978944778442383, acc = 0.6083984375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.5323790311813354, acc = 0.5234375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.446570873260498, acc = 0.5673828125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.5755082368850708, acc = 0.5234375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.4857953786849976, acc = 0.5390625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 1.2706706523895264, acc = 0.5927734375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 1.2683875560760498, acc = 0.6142578125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 1.2850966453552246, acc = 0.59765625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 1.3735151290893555, acc = 0.548828125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.3914686441421509, acc = 0.5634765625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 1.3537845611572266, acc = 0.5869140625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.3532716035842896, acc = 0.591796875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.376819133758545, acc = 0.5615234375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.3334789276123047, acc = 0.57421875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.4433183670043945, acc = 0.55078125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.4732729196548462, acc = 0.5419921875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.4262560606002808, acc = 0.5576171875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 1.3259369134902954, acc = 0.5703125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 1.4271657466888428, acc = 0.55859375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.4617698192596436, acc = 0.552734375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 1.3469736576080322, acc = 0.58984375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.3688843250274658, acc = 0.56640625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.3599636554718018, acc = 0.560546875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 1.278355598449707, acc = 0.583984375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.520219326019287, acc = 0.529296875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 1.3422011137008667, acc = 0.5732421875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.3565384149551392, acc = 0.5634765625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.448881983757019, acc = 0.572265625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.491634726524353, acc = 0.5546875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.4915658235549927, acc = 0.5380859375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 1.3335297107696533, acc = 0.59765625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 1.344287395477295, acc = 0.5703125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.4616727828979492, acc = 0.517578125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.488852858543396, acc = 0.5361328125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 1.311767578125, acc = 0.57421875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 1.3378956317901611, acc = 0.57421875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.3786039352416992, acc = 0.568359375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.4302520751953125, acc = 0.53515625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.4074480533599854, acc = 0.5556640625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.5025078058242798, acc = 0.556640625

Epoch 7/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.8852766752243042, acc = 0.498046875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.5027657747268677, acc = 0.521484375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.47771418094635, acc = 0.5478515625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.3827497959136963, acc = 0.5634765625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.5531463623046875, acc = 0.53125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.5624641180038452, acc = 0.51953125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.5643861293792725, acc = 0.5087890625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.371079683303833, acc = 0.5712890625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 1.3781538009643555, acc = 0.560546875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 1.258603572845459, acc = 0.6025390625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.4454915523529053, acc = 0.5478515625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.5910449028015137, acc = 0.521484375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 1.4530657529830933, acc = 0.552734375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.3201673030853271, acc = 0.5732421875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 1.3805229663848877, acc = 0.5791015625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.5140516757965088, acc = 0.52734375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.4718345403671265, acc = 0.55859375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.5243834257125854, acc = 0.515625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 1.4864890575408936, acc = 0.541015625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 1.3252220153808594, acc = 0.576171875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.5503900051116943, acc = 0.51171875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 1.323664903640747, acc = 0.5771484375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 1.4050415754318237, acc = 0.54296875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 1.4573607444763184, acc = 0.548828125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 1.3117882013320923, acc = 0.587890625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 1.3644026517868042, acc = 0.58984375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.4039299488067627, acc = 0.560546875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.3754496574401855, acc = 0.5654296875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.3236032724380493, acc = 0.6005859375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 1.3148047924041748, acc = 0.5888671875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.44100022315979, acc = 0.5615234375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.6355139017105103, acc = 0.4970703125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 1.4369442462921143, acc = 0.546875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.438064455986023, acc = 0.556640625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.4387588500976562, acc = 0.552734375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.4957698583602905, acc = 0.5439453125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.4843460321426392, acc = 0.5634765625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.4756696224212646, acc = 0.5615234375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.4331209659576416, acc = 0.537109375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.3939275741577148, acc = 0.5625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 1.3059011697769165, acc = 0.583984375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.3186044692993164, acc = 0.587890625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.3718284368515015, acc = 0.5380859375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 1.349998116493225, acc = 0.580078125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 1.2401431798934937, acc = 0.595703125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 1.3787862062454224, acc = 0.552734375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 1.3369948863983154, acc = 0.5654296875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 1.2708622217178345, acc = 0.587890625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 1.2346484661102295, acc = 0.6103515625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 1.2738111019134521, acc = 0.603515625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 1.3386647701263428, acc = 0.564453125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.450922966003418, acc = 0.537109375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.4237638711929321, acc = 0.5390625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 1.3345035314559937, acc = 0.6064453125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 1.3466566801071167, acc = 0.5849609375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.3213239908218384, acc = 0.5634765625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.433709740638733, acc = 0.517578125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.3713455200195312, acc = 0.572265625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 1.1724257469177246, acc = 0.6279296875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.3253120183944702, acc = 0.5673828125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.4423539638519287, acc = 0.5673828125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.532178282737732, acc = 0.4892578125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.516592264175415, acc = 0.5205078125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 1.1173030138015747, acc = 0.6474609375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.3305137157440186, acc = 0.5869140625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.324413537979126, acc = 0.5693359375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 1.3101204633712769, acc = 0.6171875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.3440117835998535, acc = 0.5859375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 1.286428689956665, acc = 0.595703125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.4289441108703613, acc = 0.5439453125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 1.2952427864074707, acc = 0.5859375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 1.2698137760162354, acc = 0.5869140625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.400289535522461, acc = 0.5517578125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.3452141284942627, acc = 0.5517578125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.4285614490509033, acc = 0.53125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.423983097076416, acc = 0.556640625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 1.2181835174560547, acc = 0.6025390625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 1.2452962398529053, acc = 0.611328125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 1.129136085510254, acc = 0.63671875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 1.2402138710021973, acc = 0.572265625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 1.235478162765503, acc = 0.6123046875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 1.1658451557159424, acc = 0.6318359375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 1.2727922201156616, acc = 0.587890625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 1.2637746334075928, acc = 0.6005859375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.3801941871643066, acc = 0.5576171875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.336769461631775, acc = 0.5791015625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 1.2579195499420166, acc = 0.6201171875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.4670865535736084, acc = 0.5341796875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.3743702173233032, acc = 0.580078125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.5055055618286133, acc = 0.5458984375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.4232699871063232, acc = 0.537109375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 1.23396635055542, acc = 0.6044921875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 1.1810846328735352, acc = 0.6357421875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 1.235838532447815, acc = 0.615234375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 1.3159127235412598, acc = 0.55859375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.3386337757110596, acc = 0.572265625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 1.296673059463501, acc = 0.59765625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.3043067455291748, acc = 0.599609375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.332123875617981, acc = 0.5712890625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.2904000282287598, acc = 0.58203125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.368622064590454, acc = 0.5673828125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.408733606338501, acc = 0.5498046875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.3887630701065063, acc = 0.560546875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 1.2650339603424072, acc = 0.60546875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 1.3550082445144653, acc = 0.576171875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.407743215560913, acc = 0.5751953125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 1.3183706998825073, acc = 0.5888671875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.3340189456939697, acc = 0.576171875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.3087884187698364, acc = 0.5693359375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 1.2386178970336914, acc = 0.60546875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.470682978630066, acc = 0.5390625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 1.2516522407531738, acc = 0.59375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.3261066675186157, acc = 0.5810546875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.3714234828948975, acc = 0.587890625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.4379185438156128, acc = 0.5556640625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.414194107055664, acc = 0.5517578125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 1.262061595916748, acc = 0.6083984375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 1.281132698059082, acc = 0.57421875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.4025866985321045, acc = 0.53125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.432657241821289, acc = 0.5458984375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 1.2766090631484985, acc = 0.5673828125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 1.2653827667236328, acc = 0.5947265625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.3015459775924683, acc = 0.5859375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.3757292032241821, acc = 0.537109375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.3667433261871338, acc = 0.560546875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.465131163597107, acc = 0.5595703125

Epoch 8/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.8137238025665283, acc = 0.48828125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.4512900114059448, acc = 0.53125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.4093170166015625, acc = 0.5595703125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.3541408777236938, acc = 0.5703125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.497016191482544, acc = 0.5439453125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.5322248935699463, acc = 0.529296875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.4905390739440918, acc = 0.5361328125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.3117356300354004, acc = 0.583984375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 1.3385818004608154, acc = 0.578125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 1.2215697765350342, acc = 0.615234375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.3757286071777344, acc = 0.5859375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.5089930295944214, acc = 0.53515625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 1.3811650276184082, acc = 0.5546875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.2565257549285889, acc = 0.5947265625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 1.3087823390960693, acc = 0.591796875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.4197622537612915, acc = 0.5498046875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.4178717136383057, acc = 0.552734375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.4699547290802002, acc = 0.53515625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 1.4142444133758545, acc = 0.5595703125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 1.2836997509002686, acc = 0.5869140625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.4932608604431152, acc = 0.5322265625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 1.270193099975586, acc = 0.5869140625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 1.3286484479904175, acc = 0.5556640625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 1.389973759651184, acc = 0.5576171875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 1.2534246444702148, acc = 0.599609375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 1.3114187717437744, acc = 0.5908203125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.3580248355865479, acc = 0.55859375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.344689130783081, acc = 0.560546875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.2715119123458862, acc = 0.603515625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 1.2628599405288696, acc = 0.5986328125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.3789913654327393, acc = 0.5537109375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.5860438346862793, acc = 0.4970703125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 1.3521403074264526, acc = 0.568359375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.3870189189910889, acc = 0.55078125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.3984016180038452, acc = 0.5498046875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.4252015352249146, acc = 0.5615234375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.4539705514907837, acc = 0.5595703125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.4232410192489624, acc = 0.5537109375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.3622194528579712, acc = 0.5615234375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.3333219289779663, acc = 0.5595703125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 1.2647509574890137, acc = 0.59375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.273705005645752, acc = 0.583984375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.3317588567733765, acc = 0.54296875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 1.3033034801483154, acc = 0.5849609375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 1.2157235145568848, acc = 0.6201171875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 1.3364731073379517, acc = 0.572265625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 1.3200745582580566, acc = 0.578125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 1.2223490476608276, acc = 0.607421875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 1.173090934753418, acc = 0.6279296875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 1.2279558181762695, acc = 0.6142578125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 1.270652413368225, acc = 0.576171875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.3933258056640625, acc = 0.552734375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.3714178800582886, acc = 0.544921875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 1.2713098526000977, acc = 0.6044921875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 1.2800452709197998, acc = 0.59375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.290170431137085, acc = 0.56640625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.381247639656067, acc = 0.5185546875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.300668716430664, acc = 0.5859375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 1.1261569261550903, acc = 0.6484375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.2889413833618164, acc = 0.5693359375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.3901524543762207, acc = 0.5751953125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.51894211769104, acc = 0.498046875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.4668718576431274, acc = 0.5302734375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 1.0771244764328003, acc = 0.6572265625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.2997039556503296, acc = 0.5732421875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.2744237184524536, acc = 0.5966796875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 1.2440943717956543, acc = 0.6201171875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.3048776388168335, acc = 0.5869140625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 1.2622073888778687, acc = 0.6015625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.3777799606323242, acc = 0.568359375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 1.2333641052246094, acc = 0.607421875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 1.2037594318389893, acc = 0.607421875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.3457801342010498, acc = 0.5615234375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.3034220933914185, acc = 0.5654296875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.3872785568237305, acc = 0.5322265625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.3741567134857178, acc = 0.552734375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 1.1870203018188477, acc = 0.6171875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 1.2030467987060547, acc = 0.6123046875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 1.0825098752975464, acc = 0.6455078125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 1.18223237991333, acc = 0.58984375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 1.2036592960357666, acc = 0.611328125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 1.1215848922729492, acc = 0.6435546875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 1.231797695159912, acc = 0.5947265625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 1.2250686883926392, acc = 0.62109375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.354376196861267, acc = 0.5654296875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.29535973072052, acc = 0.5830078125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 1.2105345726013184, acc = 0.615234375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.425487995147705, acc = 0.546875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.3218995332717896, acc = 0.59765625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.4388896226882935, acc = 0.5546875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.36189603805542, acc = 0.552734375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 1.1921528577804565, acc = 0.6083984375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 1.1495695114135742, acc = 0.650390625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 1.1971776485443115, acc = 0.6181640625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 1.2713172435760498, acc = 0.568359375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.290145754814148, acc = 0.5791015625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 1.260176181793213, acc = 0.5947265625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.2645676136016846, acc = 0.6142578125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.312601089477539, acc = 0.5751953125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.2573026418685913, acc = 0.5810546875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.31234610080719, acc = 0.576171875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.372908592224121, acc = 0.572265625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.3218618631362915, acc = 0.576171875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 1.202704668045044, acc = 0.6123046875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 1.3116607666015625, acc = 0.6025390625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.3482930660247803, acc = 0.580078125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 1.268903374671936, acc = 0.5966796875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.2757604122161865, acc = 0.5751953125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.2543588876724243, acc = 0.583984375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 1.2082082033157349, acc = 0.6181640625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.3955482244491577, acc = 0.564453125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 1.21323561668396, acc = 0.60546875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.2631194591522217, acc = 0.5966796875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.3371504545211792, acc = 0.6015625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.3764055967330933, acc = 0.5703125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.37913978099823, acc = 0.5615234375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 1.1988999843597412, acc = 0.6142578125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 1.235427975654602, acc = 0.59765625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.3341642618179321, acc = 0.5498046875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.3840538263320923, acc = 0.5537109375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 1.2389070987701416, acc = 0.599609375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 1.2327542304992676, acc = 0.6064453125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.2522430419921875, acc = 0.6083984375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.3304622173309326, acc = 0.5712890625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.3092129230499268, acc = 0.58203125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.4180855751037598, acc = 0.57421875

Epoch 9/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.7305073738098145, acc = 0.5087890625
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.3866591453552246, acc = 0.5576171875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.3323332071304321, acc = 0.595703125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.2879406213760376, acc = 0.5810546875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.4501113891601562, acc = 0.5625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.4648417234420776, acc = 0.5390625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.4327659606933594, acc = 0.552734375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.262662410736084, acc = 0.5849609375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 1.2704986333847046, acc = 0.5888671875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 1.1564265489578247, acc = 0.623046875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.3668694496154785, acc = 0.5634765625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.4615674018859863, acc = 0.548828125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 1.3316669464111328, acc = 0.5634765625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.2331796884536743, acc = 0.599609375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 1.2790708541870117, acc = 0.5947265625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.3862717151641846, acc = 0.5615234375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.357908844947815, acc = 0.5751953125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.4136697053909302, acc = 0.5419921875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 1.3694629669189453, acc = 0.5703125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 1.2456307411193848, acc = 0.6044921875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.4274466037750244, acc = 0.544921875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 1.221434473991394, acc = 0.6015625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 1.3023414611816406, acc = 0.5673828125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 1.3344379663467407, acc = 0.5634765625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 1.2075495719909668, acc = 0.6123046875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 1.248824119567871, acc = 0.609375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.3218363523483276, acc = 0.5654296875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.289807677268982, acc = 0.5771484375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.2586805820465088, acc = 0.6064453125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 1.2031402587890625, acc = 0.623046875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.3446100950241089, acc = 0.5732421875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.5206573009490967, acc = 0.517578125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 1.2908384799957275, acc = 0.5888671875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.3262807130813599, acc = 0.5693359375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.3409594297409058, acc = 0.5830078125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.3579487800598145, acc = 0.5810546875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.3416454792022705, acc = 0.591796875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.3778398036956787, acc = 0.580078125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.3013794422149658, acc = 0.5625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.3033827543258667, acc = 0.576171875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 1.2297579050064087, acc = 0.59765625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.2374582290649414, acc = 0.595703125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.309114694595337, acc = 0.5634765625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 1.268239974975586, acc = 0.5966796875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 1.1519601345062256, acc = 0.6259765625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 1.2867040634155273, acc = 0.5869140625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 1.2245657444000244, acc = 0.603515625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 1.1784043312072754, acc = 0.6044921875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 1.1222771406173706, acc = 0.634765625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 1.1934311389923096, acc = 0.6201171875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 1.2360035181045532, acc = 0.5927734375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.3423610925674438, acc = 0.564453125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.3149443864822388, acc = 0.5712890625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 1.2361445426940918, acc = 0.609375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 1.235429286956787, acc = 0.60546875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.2361019849777222, acc = 0.5908203125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.3370721340179443, acc = 0.5517578125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.277536392211914, acc = 0.5859375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 1.0741844177246094, acc = 0.65625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.244149923324585, acc = 0.5849609375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.3144125938415527, acc = 0.58203125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.4575554132461548, acc = 0.501953125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.4193421602249146, acc = 0.537109375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 1.0410912036895752, acc = 0.6630859375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.2781689167022705, acc = 0.5986328125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.2411198616027832, acc = 0.595703125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 1.1753181219100952, acc = 0.6328125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.2623565196990967, acc = 0.59375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 1.2189488410949707, acc = 0.6015625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.3238424062728882, acc = 0.576171875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 1.1986960172653198, acc = 0.626953125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 1.145519495010376, acc = 0.623046875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.3002045154571533, acc = 0.572265625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.2836281061172485, acc = 0.572265625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.3542886972427368, acc = 0.53125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.3356839418411255, acc = 0.5673828125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 1.1724772453308105, acc = 0.623046875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 1.18065345287323, acc = 0.6083984375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 1.0590537786483765, acc = 0.6533203125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 1.1313917636871338, acc = 0.58984375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 1.167533040046692, acc = 0.6201171875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 1.0670055150985718, acc = 0.6572265625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 1.199346661567688, acc = 0.6064453125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 1.1818519830703735, acc = 0.62890625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.316102385520935, acc = 0.5703125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.2521896362304688, acc = 0.587890625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 1.1796228885650635, acc = 0.6171875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.359297275543213, acc = 0.560546875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.2891228199005127, acc = 0.595703125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.398360013961792, acc = 0.5732421875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.3415067195892334, acc = 0.5625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 1.162913203239441, acc = 0.626953125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 1.1046373844146729, acc = 0.65625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 1.1527366638183594, acc = 0.6220703125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 1.2205851078033447, acc = 0.5791015625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.235274314880371, acc = 0.6015625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 1.211108922958374, acc = 0.6123046875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.2336069345474243, acc = 0.6201171875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.2427489757537842, acc = 0.58203125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.225203275680542, acc = 0.603515625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.2624081373214722, acc = 0.58984375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.3278868198394775, acc = 0.5771484375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.2742255926132202, acc = 0.5927734375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 1.1594231128692627, acc = 0.6220703125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 1.2460122108459473, acc = 0.607421875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.3073093891143799, acc = 0.6064453125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 1.2293436527252197, acc = 0.6123046875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.2204633951187134, acc = 0.60546875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.212693691253662, acc = 0.6015625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 1.1599758863449097, acc = 0.6142578125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.3428888320922852, acc = 0.5751953125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 1.1883845329284668, acc = 0.599609375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.2177274227142334, acc = 0.6142578125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.2883421182632446, acc = 0.6103515625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.346798062324524, acc = 0.568359375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.3448913097381592, acc = 0.578125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 1.1723347902297974, acc = 0.626953125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 1.1685713529586792, acc = 0.6044921875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.3103480339050293, acc = 0.556640625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.3178290128707886, acc = 0.5634765625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 1.1925048828125, acc = 0.611328125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 1.1926095485687256, acc = 0.6181640625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.209984540939331, acc = 0.609375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.2801384925842285, acc = 0.576171875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.268940806388855, acc = 0.583984375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.3592610359191895, acc = 0.5771484375

Epoch 10/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.667082667350769, acc = 0.521484375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.3509204387664795, acc = 0.5576171875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.3007227182388306, acc = 0.587890625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.26697838306427, acc = 0.5986328125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.4045354127883911, acc = 0.5498046875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.4172999858856201, acc = 0.55078125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.3891819715499878, acc = 0.5498046875
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.220448613166809, acc = 0.6064453125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 1.214092493057251, acc = 0.5966796875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 1.1555982828140259, acc = 0.6298828125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.322175145149231, acc = 0.5810546875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.415694236755371, acc = 0.546875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 1.298387050628662, acc = 0.576171875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.202656626701355, acc = 0.6123046875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 1.206648349761963, acc = 0.6142578125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.3574525117874146, acc = 0.552734375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.2911978960037231, acc = 0.5888671875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.3805040121078491, acc = 0.5478515625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 1.3098807334899902, acc = 0.595703125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 1.2016973495483398, acc = 0.6103515625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.3697704076766968, acc = 0.57421875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 1.1796507835388184, acc = 0.6181640625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 1.2300615310668945, acc = 0.5927734375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 1.2473289966583252, acc = 0.6044921875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 1.1407248973846436, acc = 0.62890625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 1.196037769317627, acc = 0.6220703125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.2960959672927856, acc = 0.58203125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.2522366046905518, acc = 0.5927734375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.2104547023773193, acc = 0.625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 1.158050298690796, acc = 0.638671875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.3111977577209473, acc = 0.5869140625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.4673594236373901, acc = 0.5234375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 1.236039400100708, acc = 0.609375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.2832205295562744, acc = 0.5830078125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.3121931552886963, acc = 0.5810546875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.3142271041870117, acc = 0.595703125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.3068944215774536, acc = 0.6083984375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.3175199031829834, acc = 0.6005859375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.2497221231460571, acc = 0.595703125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.260871171951294, acc = 0.578125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 1.1673686504364014, acc = 0.615234375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.1774824857711792, acc = 0.6083984375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.2707891464233398, acc = 0.58203125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 1.2148528099060059, acc = 0.6123046875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 1.0824158191680908, acc = 0.646484375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 1.234850525856018, acc = 0.6083984375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 1.1893538236618042, acc = 0.6123046875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 1.122674584388733, acc = 0.6259765625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 1.0730253458023071, acc = 0.6484375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 1.1489394903182983, acc = 0.6298828125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 1.162566065788269, acc = 0.6083984375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.2813787460327148, acc = 0.568359375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.2751976251602173, acc = 0.576171875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 1.1764628887176514, acc = 0.6337890625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 1.1677932739257812, acc = 0.6240234375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.1829854249954224, acc = 0.609375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.3002216815948486, acc = 0.5615234375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.222509741783142, acc = 0.5947265625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 1.0423625707626343, acc = 0.6728515625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.213152289390564, acc = 0.59765625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.2773665189743042, acc = 0.6005859375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.418297529220581, acc = 0.5234375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.3861947059631348, acc = 0.5537109375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 1.014538288116455, acc = 0.6630859375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.226884126663208, acc = 0.6162109375
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.1878890991210938, acc = 0.595703125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 1.1442755460739136, acc = 0.646484375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.2180719375610352, acc = 0.615234375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 1.170851707458496, acc = 0.62890625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.271435260772705, acc = 0.5849609375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 1.1602345705032349, acc = 0.6181640625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 1.1253687143325806, acc = 0.6318359375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.2443983554840088, acc = 0.6064453125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.2311320304870605, acc = 0.5888671875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.2940233945846558, acc = 0.556640625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.2908473014831543, acc = 0.5849609375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 1.1162121295928955, acc = 0.6318359375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 1.1279480457305908, acc = 0.626953125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.9939205050468445, acc = 0.671875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 1.0840532779693604, acc = 0.62109375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 1.1086342334747314, acc = 0.6279296875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 1.0476858615875244, acc = 0.6640625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 1.17496657371521, acc = 0.6044921875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 1.1358237266540527, acc = 0.642578125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.2709945440292358, acc = 0.595703125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.2034339904785156, acc = 0.6025390625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 1.1274670362472534, acc = 0.626953125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.3456237316131592, acc = 0.580078125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.2315285205841064, acc = 0.59765625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.3325421810150146, acc = 0.58984375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.2831521034240723, acc = 0.5849609375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 1.1162350177764893, acc = 0.625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 1.0737667083740234, acc = 0.6572265625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 1.1292452812194824, acc = 0.6240234375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 1.1605430841445923, acc = 0.59765625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.2139124870300293, acc = 0.5927734375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 1.1800141334533691, acc = 0.6298828125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.1855456829071045, acc = 0.62890625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.2053552865982056, acc = 0.599609375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.1893411874771118, acc = 0.609375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.2175319194793701, acc = 0.6015625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.2861788272857666, acc = 0.5859375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.2438260316848755, acc = 0.6142578125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 1.1129595041275024, acc = 0.62890625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 1.202152967453003, acc = 0.6181640625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.2757892608642578, acc = 0.58984375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 1.1881825923919678, acc = 0.625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.2128703594207764, acc = 0.6123046875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.1609505414962769, acc = 0.6201171875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 1.1106159687042236, acc = 0.642578125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.3009005784988403, acc = 0.5791015625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 1.144658088684082, acc = 0.6201171875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.1914269924163818, acc = 0.6142578125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.2459856271743774, acc = 0.6142578125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.3036562204360962, acc = 0.59375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.3148375749588013, acc = 0.5927734375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 1.1176058053970337, acc = 0.6455078125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 1.150212287902832, acc = 0.59765625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.248403549194336, acc = 0.5869140625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.2788164615631104, acc = 0.5859375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 1.145046591758728, acc = 0.626953125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 1.141831874847412, acc = 0.630859375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.187429428100586, acc = 0.615234375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.2457913160324097, acc = 0.5771484375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.2416144609451294, acc = 0.5849609375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.330775260925293, acc = 0.5869140625
Saved checkpoint to weights.10.h5

Epoch 11/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.5900253057479858, acc = 0.5556640625
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.326271891593933, acc = 0.5703125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.2545218467712402, acc = 0.6181640625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.2177307605743408, acc = 0.609375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.3579370975494385, acc = 0.5771484375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.3487530946731567, acc = 0.560546875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.3508449792861938, acc = 0.5615234375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.1975517272949219, acc = 0.5947265625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 1.182913064956665, acc = 0.623046875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 1.1024467945098877, acc = 0.64453125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.2806650400161743, acc = 0.583984375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.349822759628296, acc = 0.5693359375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 1.242472767829895, acc = 0.5849609375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.1516531705856323, acc = 0.6240234375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 1.1799869537353516, acc = 0.626953125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.305314540863037, acc = 0.5830078125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.2660897970199585, acc = 0.583984375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.3410769701004028, acc = 0.5615234375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 1.2550411224365234, acc = 0.599609375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 1.1527597904205322, acc = 0.626953125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.3275099992752075, acc = 0.5771484375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 1.1320173740386963, acc = 0.62109375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 1.1866934299468994, acc = 0.5966796875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 1.210062026977539, acc = 0.611328125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 1.10307776927948, acc = 0.646484375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 1.1633059978485107, acc = 0.626953125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.2397711277008057, acc = 0.60546875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.2079704999923706, acc = 0.6123046875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.2057191133499146, acc = 0.626953125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 1.121361494064331, acc = 0.6484375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.2719733715057373, acc = 0.5966796875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.4293644428253174, acc = 0.5498046875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 1.206718921661377, acc = 0.6240234375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.2450016736984253, acc = 0.6005859375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.2744554281234741, acc = 0.5986328125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.268223524093628, acc = 0.607421875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.2550616264343262, acc = 0.6064453125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.2863396406173706, acc = 0.5966796875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.2325714826583862, acc = 0.59375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.2151232957839966, acc = 0.607421875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 1.144770860671997, acc = 0.6318359375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.1534162759780884, acc = 0.60546875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.227449655532837, acc = 0.58984375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 1.1819145679473877, acc = 0.62890625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 1.057125210762024, acc = 0.646484375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 1.189536690711975, acc = 0.6220703125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 1.1489311456680298, acc = 0.6240234375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 1.0787525177001953, acc = 0.6337890625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 1.0488691329956055, acc = 0.662109375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 1.1242724657058716, acc = 0.6396484375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 1.1218191385269165, acc = 0.625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.2341057062149048, acc = 0.59375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.2412171363830566, acc = 0.5732421875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 1.1411412954330444, acc = 0.6298828125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 1.1286633014678955, acc = 0.6220703125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.1607292890548706, acc = 0.6015625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.2744618654251099, acc = 0.56640625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.2166006565093994, acc = 0.607421875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 1.0068553686141968, acc = 0.6708984375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.1744258403778076, acc = 0.615234375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.233805775642395, acc = 0.6123046875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.3736119270324707, acc = 0.5283203125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.3374162912368774, acc = 0.58203125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.9962000250816345, acc = 0.6728515625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.1927629709243774, acc = 0.6171875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.1736586093902588, acc = 0.6005859375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 1.0923980474472046, acc = 0.6611328125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.1858057975769043, acc = 0.6025390625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 1.1407806873321533, acc = 0.62890625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.237676978111267, acc = 0.611328125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 1.1227585077285767, acc = 0.6416015625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 1.0861824750900269, acc = 0.6396484375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.2117116451263428, acc = 0.59765625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.1957420110702515, acc = 0.5947265625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.282942295074463, acc = 0.5654296875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.2379424571990967, acc = 0.6025390625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 1.0821640491485596, acc = 0.6435546875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 1.0896390676498413, acc = 0.63671875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.9578830003738403, acc = 0.6962890625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 1.0573045015335083, acc = 0.623046875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 1.060921311378479, acc = 0.658203125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 1.0009574890136719, acc = 0.6767578125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 1.1461952924728394, acc = 0.6220703125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 1.1197000741958618, acc = 0.6318359375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.2375047206878662, acc = 0.5908203125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.1647043228149414, acc = 0.609375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 1.101304054260254, acc = 0.6416015625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.304229736328125, acc = 0.5771484375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.1927475929260254, acc = 0.61328125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.3059086799621582, acc = 0.6005859375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.268046498298645, acc = 0.5966796875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 1.1073062419891357, acc = 0.6376953125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 1.0367331504821777, acc = 0.671875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 1.086486577987671, acc = 0.640625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 1.1516969203948975, acc = 0.5966796875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.1828886270523071, acc = 0.607421875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 1.1429458856582642, acc = 0.634765625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.1408047676086426, acc = 0.642578125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.1635361909866333, acc = 0.6162109375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.138845682144165, acc = 0.6181640625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.1781150102615356, acc = 0.607421875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.2479286193847656, acc = 0.6025390625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.1966943740844727, acc = 0.6259765625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 1.1111907958984375, acc = 0.6357421875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 1.1525626182556152, acc = 0.6318359375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.250086784362793, acc = 0.5927734375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 1.1576101779937744, acc = 0.630859375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.169360637664795, acc = 0.62109375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.1286722421646118, acc = 0.62890625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 1.0962202548980713, acc = 0.6513671875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.2601295709609985, acc = 0.59765625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 1.1090281009674072, acc = 0.6396484375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.1534615755081177, acc = 0.6279296875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.2347102165222168, acc = 0.6298828125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.2880220413208008, acc = 0.5888671875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.2967438697814941, acc = 0.580078125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 1.1196812391281128, acc = 0.642578125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 1.095704197883606, acc = 0.6416015625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.2092658281326294, acc = 0.591796875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.250665307044983, acc = 0.5849609375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 1.1123021841049194, acc = 0.630859375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 1.116837501525879, acc = 0.63671875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.1689532995224, acc = 0.6298828125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.2200205326080322, acc = 0.5693359375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.1956336498260498, acc = 0.59375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.281700611114502, acc = 0.6044921875

Epoch 12/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.5173859596252441, acc = 0.564453125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.3105998039245605, acc = 0.57421875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.232895851135254, acc = 0.615234375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.1818652153015137, acc = 0.6083984375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.3128950595855713, acc = 0.568359375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.351361870765686, acc = 0.5771484375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.2978394031524658, acc = 0.580078125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.1566112041473389, acc = 0.6240234375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 1.1428494453430176, acc = 0.619140625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 1.0603575706481934, acc = 0.658203125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.251169204711914, acc = 0.5966796875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.289017677307129, acc = 0.572265625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 1.1775360107421875, acc = 0.6103515625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.1291145086288452, acc = 0.6181640625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 1.1341416835784912, acc = 0.634765625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.2594048976898193, acc = 0.580078125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.222915768623352, acc = 0.607421875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.256593108177185, acc = 0.595703125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 1.1937192678451538, acc = 0.615234375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 1.1313225030899048, acc = 0.62890625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.2781307697296143, acc = 0.5966796875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 1.1063777208328247, acc = 0.6318359375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 1.1429228782653809, acc = 0.6181640625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 1.1614234447479248, acc = 0.6162109375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 1.0712429285049438, acc = 0.666015625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 1.1132339239120483, acc = 0.6572265625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.2158286571502686, acc = 0.5908203125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.1623204946517944, acc = 0.625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.1599255800247192, acc = 0.6376953125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 1.0893092155456543, acc = 0.6455078125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.2552199363708496, acc = 0.6044921875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.3850202560424805, acc = 0.55859375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 1.1706188917160034, acc = 0.61328125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.2157771587371826, acc = 0.60546875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.2176845073699951, acc = 0.6083984375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.2457932233810425, acc = 0.603515625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.2220464944839478, acc = 0.625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.2625902891159058, acc = 0.6171875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.2022929191589355, acc = 0.6025390625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.1968448162078857, acc = 0.6015625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 1.0920007228851318, acc = 0.6376953125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.1186561584472656, acc = 0.62890625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.2009445428848267, acc = 0.60546875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 1.1493322849273682, acc = 0.63671875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 1.0346447229385376, acc = 0.66015625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 1.1527271270751953, acc = 0.6220703125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 1.1080729961395264, acc = 0.6328125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 1.074548602104187, acc = 0.6474609375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 1.0019973516464233, acc = 0.6669921875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 1.0629734992980957, acc = 0.6533203125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 1.0893621444702148, acc = 0.6376953125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.2042135000228882, acc = 0.599609375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.2115262746810913, acc = 0.587890625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 1.102362871170044, acc = 0.638671875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 1.0860981941223145, acc = 0.6435546875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.1434087753295898, acc = 0.611328125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.21284019947052, acc = 0.5751953125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.180063247680664, acc = 0.6181640625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.9805419445037842, acc = 0.6875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.1379460096359253, acc = 0.6162109375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.196724534034729, acc = 0.61328125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.3466072082519531, acc = 0.529296875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.3081847429275513, acc = 0.5703125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.9613185524940491, acc = 0.6796875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.1725809574127197, acc = 0.6103515625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.1237956285476685, acc = 0.62890625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 1.0690670013427734, acc = 0.66015625
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.1430853605270386, acc = 0.6328125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 1.1101069450378418, acc = 0.6435546875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.197817087173462, acc = 0.6171875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 1.0963540077209473, acc = 0.6484375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 1.0437930822372437, acc = 0.6552734375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.1717073917388916, acc = 0.6103515625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.1787867546081543, acc = 0.5908203125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.2315903902053833, acc = 0.578125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.2167255878448486, acc = 0.6103515625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 1.0414460897445679, acc = 0.6533203125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 1.0593682527542114, acc = 0.6533203125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.9487470388412476, acc = 0.6796875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 1.0073466300964355, acc = 0.6396484375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 1.047747015953064, acc = 0.6494140625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.9544021487236023, acc = 0.689453125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 1.1041592359542847, acc = 0.6416015625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 1.096226453781128, acc = 0.6611328125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.1880367994308472, acc = 0.62109375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.1383299827575684, acc = 0.6279296875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 1.0706404447555542, acc = 0.6376953125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.2672101259231567, acc = 0.59765625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.1387430429458618, acc = 0.640625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.2642861604690552, acc = 0.623046875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.2289278507232666, acc = 0.611328125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 1.0722182989120483, acc = 0.6455078125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.99686199426651, acc = 0.6669921875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 1.0609855651855469, acc = 0.64453125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 1.1097902059555054, acc = 0.6064453125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.144383430480957, acc = 0.6123046875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 1.1111382246017456, acc = 0.6337890625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.1259483098983765, acc = 0.6474609375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.175968050956726, acc = 0.599609375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.1275272369384766, acc = 0.630859375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.1364030838012695, acc = 0.6103515625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.2262393236160278, acc = 0.6044921875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.1719024181365967, acc = 0.62109375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 1.071787714958191, acc = 0.6435546875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 1.1381056308746338, acc = 0.6337890625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.205794095993042, acc = 0.5986328125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 1.1319068670272827, acc = 0.62109375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.1337344646453857, acc = 0.638671875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.1140841245651245, acc = 0.6357421875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 1.0509850978851318, acc = 0.66015625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.2353719472885132, acc = 0.6103515625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 1.0817091464996338, acc = 0.6328125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.1292946338653564, acc = 0.6240234375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.182757019996643, acc = 0.6259765625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.2347477674484253, acc = 0.6162109375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.2697433233261108, acc = 0.5947265625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 1.089768886566162, acc = 0.650390625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 1.059278964996338, acc = 0.6279296875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.1743947267532349, acc = 0.6123046875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.2174500226974487, acc = 0.6083984375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 1.0701218843460083, acc = 0.65234375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 1.0738322734832764, acc = 0.6533203125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.135124683380127, acc = 0.6259765625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.1904959678649902, acc = 0.5849609375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.195168137550354, acc = 0.6025390625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.263991117477417, acc = 0.6064453125

Epoch 13/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.4789739847183228, acc = 0.576171875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.2761911153793335, acc = 0.5908203125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.1999742984771729, acc = 0.63671875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.1715031862258911, acc = 0.6103515625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.274436354637146, acc = 0.580078125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.3039714097976685, acc = 0.583984375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.266202688217163, acc = 0.5986328125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.1388188600540161, acc = 0.6279296875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 1.1288033723831177, acc = 0.6259765625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 1.0492184162139893, acc = 0.6572265625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.2147046327590942, acc = 0.5986328125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.2406573295593262, acc = 0.587890625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 1.151382327079773, acc = 0.6025390625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.0822619199752808, acc = 0.6416015625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 1.0958170890808105, acc = 0.6376953125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.2107559442520142, acc = 0.6103515625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.1737604141235352, acc = 0.625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.2546573877334595, acc = 0.591796875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 1.1461842060089111, acc = 0.6376953125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 1.0998761653900146, acc = 0.650390625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.2341182231903076, acc = 0.6025390625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 1.0751819610595703, acc = 0.65234375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 1.1200816631317139, acc = 0.623046875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 1.1241068840026855, acc = 0.62109375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 1.0293591022491455, acc = 0.6640625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 1.068974256515503, acc = 0.66015625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.1804364919662476, acc = 0.6142578125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.1268317699432373, acc = 0.6337890625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.124910593032837, acc = 0.658203125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 1.0446429252624512, acc = 0.6533203125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.2094565629959106, acc = 0.6181640625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.3669513463974, acc = 0.5546875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 1.1205388307571411, acc = 0.640625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.1904516220092773, acc = 0.6123046875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.2140374183654785, acc = 0.6083984375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.1804016828536987, acc = 0.6318359375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.1837835311889648, acc = 0.626953125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.229339838027954, acc = 0.6171875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.176878571510315, acc = 0.6318359375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.15642511844635, acc = 0.5966796875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 1.0758949518203735, acc = 0.654296875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.0969592332839966, acc = 0.6171875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.1548588275909424, acc = 0.6220703125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 1.105828046798706, acc = 0.6328125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 1.000373363494873, acc = 0.66015625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 1.126427173614502, acc = 0.6279296875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 1.086288571357727, acc = 0.6376953125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 1.0273128747940063, acc = 0.654296875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.9795287847518921, acc = 0.6875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 1.0485001802444458, acc = 0.673828125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 1.044696569442749, acc = 0.638671875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.1588728427886963, acc = 0.6171875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.1869055032730103, acc = 0.6005859375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 1.0638079643249512, acc = 0.6572265625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 1.0480523109436035, acc = 0.65625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.1017446517944336, acc = 0.634765625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.195668339729309, acc = 0.5771484375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.1419726610183716, acc = 0.6298828125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.9560674428939819, acc = 0.69921875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.087007761001587, acc = 0.6328125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.1818995475769043, acc = 0.611328125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.3162181377410889, acc = 0.544921875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.2894896268844604, acc = 0.5859375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.9376096725463867, acc = 0.68359375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.1387547254562378, acc = 0.623046875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.0969693660736084, acc = 0.62890625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 1.047674536705017, acc = 0.6689453125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.123642921447754, acc = 0.6357421875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 1.0755001306533813, acc = 0.6640625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.1642073392868042, acc = 0.62109375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 1.055067777633667, acc = 0.6591796875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 1.0178303718566895, acc = 0.6630859375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.1448532342910767, acc = 0.64453125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.1727348566055298, acc = 0.6181640625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.229472279548645, acc = 0.5859375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.1838551759719849, acc = 0.619140625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 1.016335129737854, acc = 0.65234375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 1.0394294261932373, acc = 0.6591796875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.9132527709007263, acc = 0.703125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.9821254014968872, acc = 0.6533203125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 1.0257563591003418, acc = 0.6640625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.955022931098938, acc = 0.6845703125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 1.085497260093689, acc = 0.6533203125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 1.0689995288848877, acc = 0.65625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.1407084465026855, acc = 0.6103515625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.1185775995254517, acc = 0.6328125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 1.0580757856369019, acc = 0.6357421875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.2324333190917969, acc = 0.6025390625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.131432294845581, acc = 0.640625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.2391778230667114, acc = 0.626953125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.1982327699661255, acc = 0.6025390625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 1.0724414587020874, acc = 0.63671875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.9841936230659485, acc = 0.677734375
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 1.0463111400604248, acc = 0.650390625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 1.1028587818145752, acc = 0.6328125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.1305313110351562, acc = 0.6162109375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 1.0959930419921875, acc = 0.642578125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.0883476734161377, acc = 0.6484375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.1050736904144287, acc = 0.6376953125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.1183733940124512, acc = 0.638671875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.105733036994934, acc = 0.634765625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.1859525442123413, acc = 0.6162109375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.140292763710022, acc = 0.6298828125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 1.0430901050567627, acc = 0.6533203125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 1.088658094406128, acc = 0.6552734375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.1763348579406738, acc = 0.6220703125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 1.1058645248413086, acc = 0.638671875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.105259656906128, acc = 0.6328125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.1007769107818604, acc = 0.623046875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 1.0237655639648438, acc = 0.66796875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.206324577331543, acc = 0.59375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 1.043226718902588, acc = 0.65625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.102479100227356, acc = 0.642578125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.1634067296981812, acc = 0.6376953125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.1957297325134277, acc = 0.609375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.2578332424163818, acc = 0.60546875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 1.0238927602767944, acc = 0.654296875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 1.0253605842590332, acc = 0.6416015625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.141886830329895, acc = 0.611328125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.1839187145233154, acc = 0.5927734375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 1.0800656080245972, acc = 0.6455078125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 1.0593658685684204, acc = 0.654296875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.0905992984771729, acc = 0.642578125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.1577173471450806, acc = 0.6083984375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.1474988460540771, acc = 0.6220703125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.2416982650756836, acc = 0.611328125

Epoch 14/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.443852186203003, acc = 0.5751953125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.2494924068450928, acc = 0.5986328125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.1878117322921753, acc = 0.62109375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.1505221128463745, acc = 0.6259765625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.2585625648498535, acc = 0.6044921875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.2403512001037598, acc = 0.599609375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.2572047710418701, acc = 0.5869140625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.1061315536499023, acc = 0.63671875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 1.0761744976043701, acc = 0.642578125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 1.03913152217865, acc = 0.6767578125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.1883344650268555, acc = 0.6162109375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.1951777935028076, acc = 0.595703125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 1.1264809370040894, acc = 0.6162109375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.0692447423934937, acc = 0.6416015625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 1.0535354614257812, acc = 0.6640625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.184520959854126, acc = 0.609375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.14132821559906, acc = 0.6328125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.203985333442688, acc = 0.623046875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 1.1278741359710693, acc = 0.64453125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 1.0682722330093384, acc = 0.658203125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.2065274715423584, acc = 0.609375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 1.059019923210144, acc = 0.6533203125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 1.0551162958145142, acc = 0.6455078125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 1.0788787603378296, acc = 0.6318359375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.98583984375, acc = 0.69140625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 1.0216774940490723, acc = 0.67578125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.1448177099227905, acc = 0.623046875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.1070666313171387, acc = 0.640625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.0873287916183472, acc = 0.6591796875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 1.0153803825378418, acc = 0.669921875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.1834384202957153, acc = 0.619140625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.3111952543258667, acc = 0.564453125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 1.0982860326766968, acc = 0.640625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.149367094039917, acc = 0.625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.1719375848770142, acc = 0.6103515625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.160604476928711, acc = 0.6396484375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.149099349975586, acc = 0.630859375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.2070591449737549, acc = 0.6103515625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.1497986316680908, acc = 0.6181640625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.0991795063018799, acc = 0.634765625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 1.0398730039596558, acc = 0.66015625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.0637656450271606, acc = 0.6435546875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.1419334411621094, acc = 0.6103515625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 1.0748209953308105, acc = 0.646484375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.9888546466827393, acc = 0.662109375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 1.0847727060317993, acc = 0.650390625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 1.0637927055358887, acc = 0.6533203125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 1.0210503339767456, acc = 0.6591796875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.9751487970352173, acc = 0.6865234375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 1.0102250576019287, acc = 0.669921875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 1.02872633934021, acc = 0.646484375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.1401602029800415, acc = 0.6318359375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.1515111923217773, acc = 0.6123046875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 1.0503604412078857, acc = 0.6640625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 1.0169124603271484, acc = 0.6630859375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.0847766399383545, acc = 0.623046875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.1622642278671265, acc = 0.609375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.0966871976852417, acc = 0.6494140625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.9216432571411133, acc = 0.705078125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.0734176635742188, acc = 0.6337890625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.127929449081421, acc = 0.6376953125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.2935316562652588, acc = 0.5654296875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.2555814981460571, acc = 0.6025390625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.9241988658905029, acc = 0.6904296875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.1041055917739868, acc = 0.6376953125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.0845848321914673, acc = 0.63671875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 1.0126073360443115, acc = 0.67578125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.0855118036270142, acc = 0.6474609375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 1.0487933158874512, acc = 0.66015625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.1573525667190552, acc = 0.6357421875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 1.0341448783874512, acc = 0.658203125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 1.0021963119506836, acc = 0.673828125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.1005195379257202, acc = 0.6328125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.1353201866149902, acc = 0.6123046875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.1862794160842896, acc = 0.6025390625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.1492211818695068, acc = 0.6220703125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.9959322214126587, acc = 0.6572265625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 1.0082980394363403, acc = 0.6689453125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.8830785155296326, acc = 0.703125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.9494398236274719, acc = 0.6708984375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.99272620677948, acc = 0.6728515625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.9133655428886414, acc = 0.6943359375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 1.0373750925064087, acc = 0.666015625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 1.056305170059204, acc = 0.6591796875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.1406179666519165, acc = 0.6240234375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.0727250576019287, acc = 0.6455078125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 1.0102285146713257, acc = 0.6640625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.1910560131072998, acc = 0.62109375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.1070656776428223, acc = 0.654296875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.2030068635940552, acc = 0.625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.1586649417877197, acc = 0.6171875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 1.0419200658798218, acc = 0.6484375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.9525492787361145, acc = 0.6943359375
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 1.0071656703948975, acc = 0.673828125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 1.0713326930999756, acc = 0.634765625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.0957703590393066, acc = 0.6435546875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 1.0501680374145508, acc = 0.6630859375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.0763846635818481, acc = 0.662109375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.0920934677124023, acc = 0.6484375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.079868197441101, acc = 0.642578125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.0709967613220215, acc = 0.6513671875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.1474767923355103, acc = 0.6357421875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.0993843078613281, acc = 0.6416015625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 1.0135523080825806, acc = 0.65625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 1.0440045595169067, acc = 0.6591796875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.159003496170044, acc = 0.6357421875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 1.0528613328933716, acc = 0.6669921875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.0983812808990479, acc = 0.6376953125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.0564182996749878, acc = 0.64453125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 1.0284401178359985, acc = 0.673828125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.1863857507705688, acc = 0.619140625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 1.0350092649459839, acc = 0.6591796875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.081275463104248, acc = 0.640625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.1495001316070557, acc = 0.642578125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.1469553709030151, acc = 0.62109375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.2111155986785889, acc = 0.6357421875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 1.0133408308029175, acc = 0.6669921875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 1.006969928741455, acc = 0.6689453125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.1308624744415283, acc = 0.626953125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.1646387577056885, acc = 0.6083984375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 1.0464134216308594, acc = 0.6533203125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 1.0277984142303467, acc = 0.6552734375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.0907490253448486, acc = 0.654296875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.1029508113861084, acc = 0.6201171875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.1257894039154053, acc = 0.6376953125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.2110481262207031, acc = 0.6298828125

Epoch 15/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.3933436870574951, acc = 0.5732421875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.2207305431365967, acc = 0.60546875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.1496959924697876, acc = 0.640625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.1136043071746826, acc = 0.63671875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.2273378372192383, acc = 0.6171875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.2377294301986694, acc = 0.6083984375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.2141574621200562, acc = 0.611328125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.0578161478042603, acc = 0.654296875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 1.054518699645996, acc = 0.6611328125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.9989945888519287, acc = 0.6708984375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.1519246101379395, acc = 0.619140625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.1693564653396606, acc = 0.6123046875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 1.0969315767288208, acc = 0.6416015625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.0473320484161377, acc = 0.662109375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 1.0518662929534912, acc = 0.666015625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.147544026374817, acc = 0.62890625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.1289949417114258, acc = 0.65625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.169527530670166, acc = 0.6044921875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 1.075382113456726, acc = 0.6572265625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 1.0491547584533691, acc = 0.6533203125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.1925255060195923, acc = 0.6015625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 1.037892460823059, acc = 0.6708984375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 1.0302846431732178, acc = 0.6396484375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 1.0545660257339478, acc = 0.6416015625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.990781843662262, acc = 0.681640625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.9617589116096497, acc = 0.6904296875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.1215516328811646, acc = 0.642578125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.0770524740219116, acc = 0.646484375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.0755680799484253, acc = 0.6572265625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.9911880493164062, acc = 0.689453125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.1646862030029297, acc = 0.6201171875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.275977611541748, acc = 0.58203125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 1.0882350206375122, acc = 0.64453125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.1130764484405518, acc = 0.630859375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.1236411333084106, acc = 0.638671875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.12717604637146, acc = 0.6337890625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.115220069885254, acc = 0.65625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.1668235063552856, acc = 0.6328125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.1227153539657593, acc = 0.625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.0788415670394897, acc = 0.6455078125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 1.0164144039154053, acc = 0.6748046875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.0302221775054932, acc = 0.65234375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.1169198751449585, acc = 0.638671875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 1.0681157112121582, acc = 0.65625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.9703406095504761, acc = 0.6708984375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 1.0602890253067017, acc = 0.6611328125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 1.0309220552444458, acc = 0.6611328125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.9858377575874329, acc = 0.677734375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.9283994436264038, acc = 0.6962890625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.9793241024017334, acc = 0.68359375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 1.001175045967102, acc = 0.6650390625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.1102513074874878, acc = 0.626953125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.0993640422821045, acc = 0.6376953125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 1.0256545543670654, acc = 0.6767578125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.9919175505638123, acc = 0.662109375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.0738763809204102, acc = 0.6240234375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.1313612461090088, acc = 0.62109375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.1031975746154785, acc = 0.630859375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.8880306482315063, acc = 0.7255859375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.0550079345703125, acc = 0.65234375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.1261066198349, acc = 0.6455078125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.2460741996765137, acc = 0.5791015625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.2030084133148193, acc = 0.6015625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.9067933559417725, acc = 0.7041015625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.0635347366333008, acc = 0.650390625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.060004472732544, acc = 0.650390625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.9884154796600342, acc = 0.6767578125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.0496829748153687, acc = 0.6611328125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 1.0416224002838135, acc = 0.654296875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.1322940587997437, acc = 0.6376953125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 1.0144187211990356, acc = 0.66796875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.9737832546234131, acc = 0.6787109375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.0812710523605347, acc = 0.6376953125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.124537467956543, acc = 0.6298828125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.1841355562210083, acc = 0.6015625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.1300830841064453, acc = 0.6298828125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.9731898307800293, acc = 0.681640625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.9889607429504395, acc = 0.6630859375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.8780272603034973, acc = 0.6923828125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.9319148063659668, acc = 0.6845703125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.9813188314437866, acc = 0.68359375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.9202700853347778, acc = 0.6953125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 1.0424718856811523, acc = 0.669921875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 1.033745527267456, acc = 0.6689453125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.1202561855316162, acc = 0.6337890625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.0593665838241577, acc = 0.6513671875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 1.0109881162643433, acc = 0.66796875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.2105755805969238, acc = 0.61328125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.0796376466751099, acc = 0.658203125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.1769789457321167, acc = 0.6376953125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.143570899963379, acc = 0.619140625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 1.012515902519226, acc = 0.6640625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.9252678155899048, acc = 0.6923828125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.9738149642944336, acc = 0.6884765625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 1.0329086780548096, acc = 0.6494140625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.092292308807373, acc = 0.6552734375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 1.0399501323699951, acc = 0.66796875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.0454683303833008, acc = 0.6591796875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.0682522058486938, acc = 0.662109375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.013686180114746, acc = 0.671875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.0468493700027466, acc = 0.6650390625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.1583092212677002, acc = 0.6376953125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.0496294498443604, acc = 0.669921875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.9968688488006592, acc = 0.671875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 1.038702130317688, acc = 0.6689453125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.1210203170776367, acc = 0.63671875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 1.040104866027832, acc = 0.6552734375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.05022394657135, acc = 0.64453125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.0374855995178223, acc = 0.64453125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.9809373617172241, acc = 0.6943359375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.1620948314666748, acc = 0.6220703125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 1.0126965045928955, acc = 0.6806640625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.0601762533187866, acc = 0.6513671875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.0837841033935547, acc = 0.66015625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.1337130069732666, acc = 0.6201171875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.1769468784332275, acc = 0.640625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.9973456263542175, acc = 0.6806640625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.9634206891059875, acc = 0.6669921875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.0877835750579834, acc = 0.638671875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.1122075319290161, acc = 0.6279296875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 1.0236713886260986, acc = 0.6572265625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 1.0129075050354004, acc = 0.6787109375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.0546982288360596, acc = 0.6650390625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.081261157989502, acc = 0.6328125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.0832713842391968, acc = 0.6357421875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.1747812032699585, acc = 0.63671875

Epoch 16/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.3676226139068604, acc = 0.5810546875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.2013176679611206, acc = 0.6220703125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.0900156497955322, acc = 0.6396484375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.0775032043457031, acc = 0.6513671875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.20841646194458, acc = 0.6044921875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.1835517883300781, acc = 0.6083984375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.1805893182754517, acc = 0.619140625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.0422680377960205, acc = 0.650390625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 1.0373320579528809, acc = 0.66015625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.9878876805305481, acc = 0.6806640625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.1390182971954346, acc = 0.6171875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.1372008323669434, acc = 0.62890625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 1.0907107591629028, acc = 0.6328125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.0174534320831299, acc = 0.6630859375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 1.0140998363494873, acc = 0.6796875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.1194233894348145, acc = 0.6279296875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.099409818649292, acc = 0.6591796875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.1433255672454834, acc = 0.630859375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 1.0432333946228027, acc = 0.6728515625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 1.0365228652954102, acc = 0.6591796875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.1588245630264282, acc = 0.6201171875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.9896650910377502, acc = 0.685546875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 1.0160436630249023, acc = 0.654296875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 1.031023621559143, acc = 0.6728515625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.9541925191879272, acc = 0.7041015625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.9816994667053223, acc = 0.6904296875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.1269161701202393, acc = 0.6337890625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.065865397453308, acc = 0.65234375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.0403670072555542, acc = 0.6689453125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.9733074307441711, acc = 0.6748046875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.1454206705093384, acc = 0.6416015625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.2533700466156006, acc = 0.5849609375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 1.0580826997756958, acc = 0.6533203125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.0765470266342163, acc = 0.64453125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.0986131429672241, acc = 0.646484375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.0868415832519531, acc = 0.6552734375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.0776143074035645, acc = 0.6640625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.1582047939300537, acc = 0.6357421875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.1073734760284424, acc = 0.6328125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.063437819480896, acc = 0.65234375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.9847257137298584, acc = 0.66796875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.0314910411834717, acc = 0.662109375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.0966805219650269, acc = 0.6357421875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 1.0375542640686035, acc = 0.6474609375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.9602032899856567, acc = 0.6796875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 1.0261914730072021, acc = 0.6630859375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 1.02444589138031, acc = 0.666015625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.969749927520752, acc = 0.6611328125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.9284456968307495, acc = 0.697265625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.984017014503479, acc = 0.685546875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.9942847490310669, acc = 0.654296875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.0874481201171875, acc = 0.6416015625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.0809745788574219, acc = 0.634765625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.968794047832489, acc = 0.6865234375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.9697328805923462, acc = 0.6806640625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.0402911901474, acc = 0.65234375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.1086615324020386, acc = 0.625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.0703988075256348, acc = 0.6474609375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.8603315949440002, acc = 0.724609375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.043687343597412, acc = 0.658203125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.1096553802490234, acc = 0.630859375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.2445120811462402, acc = 0.583984375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.1963779926300049, acc = 0.626953125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.9024782776832581, acc = 0.7021484375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.0659701824188232, acc = 0.65234375
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.0441703796386719, acc = 0.662109375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.9667120575904846, acc = 0.681640625
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.0225193500518799, acc = 0.6640625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 1.0040000677108765, acc = 0.6650390625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.1194639205932617, acc = 0.630859375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.973891019821167, acc = 0.69921875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.9589965343475342, acc = 0.6943359375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.0700242519378662, acc = 0.654296875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.0817742347717285, acc = 0.63671875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.126448154449463, acc = 0.6142578125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.0479680299758911, acc = 0.6630859375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.9356750249862671, acc = 0.6904296875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.9481365084648132, acc = 0.6806640625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.8450021147727966, acc = 0.7177734375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.8923066258430481, acc = 0.67578125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.950042188167572, acc = 0.6787109375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.8763045072555542, acc = 0.705078125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 1.008437156677246, acc = 0.66015625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 1.0074942111968994, acc = 0.671875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.0788768529891968, acc = 0.646484375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.0270516872406006, acc = 0.65625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.9626420140266418, acc = 0.6884765625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.1426464319229126, acc = 0.642578125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.0380113124847412, acc = 0.6669921875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.1332658529281616, acc = 0.6474609375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.1250944137573242, acc = 0.6337890625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.9903687238693237, acc = 0.6826171875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.9115877151489258, acc = 0.7041015625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.9681079983711243, acc = 0.6806640625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 1.0321732759475708, acc = 0.6376953125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.0562102794647217, acc = 0.658203125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 1.024278998374939, acc = 0.658203125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.018576979637146, acc = 0.6767578125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.0411630868911743, acc = 0.6552734375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 1.0372743606567383, acc = 0.650390625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.0291554927825928, acc = 0.671875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.127245545387268, acc = 0.650390625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.0444297790527344, acc = 0.6650390625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.9609605073928833, acc = 0.677734375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 1.007429599761963, acc = 0.6650390625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.1069636344909668, acc = 0.6484375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 1.0191843509674072, acc = 0.654296875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.0344772338867188, acc = 0.66796875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 1.0008659362792969, acc = 0.673828125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.9755660891532898, acc = 0.6826171875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.1343274116516113, acc = 0.625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.9879326820373535, acc = 0.6806640625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.0385282039642334, acc = 0.6513671875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.0763269662857056, acc = 0.6728515625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.1044946908950806, acc = 0.6318359375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.1458826065063477, acc = 0.65625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.9841098189353943, acc = 0.6748046875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.9589824676513672, acc = 0.6787109375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.0689703226089478, acc = 0.646484375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.0940948724746704, acc = 0.6328125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.9930772185325623, acc = 0.666015625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.9948520064353943, acc = 0.6787109375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.0406790971755981, acc = 0.6669921875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.080722451210022, acc = 0.6337890625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.0727704763412476, acc = 0.6474609375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.135225534439087, acc = 0.638671875

Epoch 17/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.3475935459136963, acc = 0.6025390625
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.16768479347229, acc = 0.619140625
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.0890214443206787, acc = 0.6484375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.0603843927383423, acc = 0.6552734375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.1693462133407593, acc = 0.630859375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.1512675285339355, acc = 0.623046875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.1739922761917114, acc = 0.6220703125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.042040228843689, acc = 0.640625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.9992371201515198, acc = 0.6708984375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.9534215331077576, acc = 0.69140625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.114267110824585, acc = 0.6201171875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.109918475151062, acc = 0.6318359375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 1.0463098287582397, acc = 0.6328125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 1.0057462453842163, acc = 0.6748046875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.9825451970100403, acc = 0.6806640625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.0883017778396606, acc = 0.6416015625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.05095636844635, acc = 0.6572265625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.1055991649627686, acc = 0.6318359375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 1.0228430032730103, acc = 0.662109375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 1.0149918794631958, acc = 0.6728515625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.1299543380737305, acc = 0.6396484375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.9662176370620728, acc = 0.6962890625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.9981793761253357, acc = 0.654296875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 1.0025862455368042, acc = 0.66015625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.9506151676177979, acc = 0.69921875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.9440209865570068, acc = 0.6875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.0929265022277832, acc = 0.638671875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.0365278720855713, acc = 0.6669921875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.0339586734771729, acc = 0.6748046875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.9438694715499878, acc = 0.693359375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.1078543663024902, acc = 0.630859375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.2188379764556885, acc = 0.591796875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 1.0205656290054321, acc = 0.669921875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.066312313079834, acc = 0.6435546875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.097510576248169, acc = 0.6552734375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.0578356981277466, acc = 0.6669921875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.0680526494979858, acc = 0.650390625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.093415379524231, acc = 0.64453125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.0736522674560547, acc = 0.654296875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 1.0209697484970093, acc = 0.6669921875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.9595872163772583, acc = 0.6865234375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 1.0015207529067993, acc = 0.6630859375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.0492088794708252, acc = 0.6552734375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 1.0060148239135742, acc = 0.6845703125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.9321994185447693, acc = 0.6982421875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.9974297285079956, acc = 0.6767578125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.9973961710929871, acc = 0.669921875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.9352245926856995, acc = 0.6767578125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.8941752910614014, acc = 0.7109375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.9494034051895142, acc = 0.6962890625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.9597654342651367, acc = 0.6884765625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.0650454759597778, acc = 0.638671875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.0680716037750244, acc = 0.6494140625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.9594964981079102, acc = 0.6865234375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.918366551399231, acc = 0.6923828125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 1.0137032270431519, acc = 0.6630859375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.0868616104125977, acc = 0.6318359375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.0593986511230469, acc = 0.654296875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.8739721775054932, acc = 0.7353515625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 1.0027474164962769, acc = 0.6640625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.06270432472229, acc = 0.6630859375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.2101800441741943, acc = 0.5859375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.164845585823059, acc = 0.6162109375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.854209303855896, acc = 0.720703125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.0422122478485107, acc = 0.6513671875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 1.00911283493042, acc = 0.671875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.9108055830001831, acc = 0.7177734375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 1.0088236331939697, acc = 0.6748046875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.9948087930679321, acc = 0.673828125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.0764695405960083, acc = 0.64453125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.97231125831604, acc = 0.67578125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.9300206303596497, acc = 0.681640625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.0588452816009521, acc = 0.65234375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.0596086978912354, acc = 0.646484375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.1113255023956299, acc = 0.6376953125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.0425615310668945, acc = 0.6640625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.9219239354133606, acc = 0.69140625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.9401643872261047, acc = 0.6767578125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.814024806022644, acc = 0.72265625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.8998335003852844, acc = 0.689453125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.9209060668945312, acc = 0.6904296875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.8393653631210327, acc = 0.724609375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.9878711104393005, acc = 0.669921875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.9783297181129456, acc = 0.6953125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.0763376951217651, acc = 0.634765625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 1.0205957889556885, acc = 0.6552734375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.9439366459846497, acc = 0.6884765625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.1540205478668213, acc = 0.62890625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.020218849182129, acc = 0.671875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.1435920000076294, acc = 0.6474609375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.083993911743164, acc = 0.6435546875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.9887146949768066, acc = 0.6787109375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.8794227838516235, acc = 0.7158203125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.9215953946113586, acc = 0.7001953125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.9995828866958618, acc = 0.658203125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.0376019477844238, acc = 0.6513671875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.9798673987388611, acc = 0.6689453125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.0104763507843018, acc = 0.6806640625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.0161073207855225, acc = 0.6640625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.99447101354599, acc = 0.6767578125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 1.012535810470581, acc = 0.67578125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.0840543508529663, acc = 0.64453125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.0443276166915894, acc = 0.6669921875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.9721338152885437, acc = 0.68359375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.9763690829277039, acc = 0.6826171875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.0794728994369507, acc = 0.6494140625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.9942214488983154, acc = 0.671875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.0219594240188599, acc = 0.671875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.9974448680877686, acc = 0.666015625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.9469496011734009, acc = 0.67578125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.1531970500946045, acc = 0.6318359375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.9504050612449646, acc = 0.68359375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 1.012583613395691, acc = 0.677734375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.0681017637252808, acc = 0.66015625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.0832475423812866, acc = 0.6455078125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.1253960132598877, acc = 0.64453125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.9492063522338867, acc = 0.685546875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.9314063787460327, acc = 0.6748046875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.0445895195007324, acc = 0.65625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.0740410089492798, acc = 0.640625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.9733381271362305, acc = 0.6728515625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.9562506675720215, acc = 0.6953125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 1.0168731212615967, acc = 0.6611328125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.0525014400482178, acc = 0.6376953125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.0490344762802124, acc = 0.6396484375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.0988178253173828, acc = 0.65625

Epoch 18/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.2935142517089844, acc = 0.607421875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.1465705633163452, acc = 0.6328125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.0440702438354492, acc = 0.669921875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.021527886390686, acc = 0.685546875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.1478118896484375, acc = 0.6279296875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.122800350189209, acc = 0.62109375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.1082358360290527, acc = 0.6396484375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 1.0187350511550903, acc = 0.6689453125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.9520975351333618, acc = 0.697265625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.9442184567451477, acc = 0.6865234375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.077789068222046, acc = 0.6416015625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.0584709644317627, acc = 0.6455078125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.9989291429519653, acc = 0.650390625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.9550949931144714, acc = 0.6904296875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.9562342762947083, acc = 0.7041015625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.0663180351257324, acc = 0.646484375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.0311436653137207, acc = 0.6806640625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.0863277912139893, acc = 0.6611328125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.9897558689117432, acc = 0.689453125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.9821302890777588, acc = 0.681640625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.111494779586792, acc = 0.640625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.9653633832931519, acc = 0.681640625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.9681029319763184, acc = 0.6806640625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.9771803617477417, acc = 0.65625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.897517740726471, acc = 0.7021484375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.9350412487983704, acc = 0.693359375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.0544002056121826, acc = 0.66015625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 1.0062048435211182, acc = 0.6630859375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 1.0031940937042236, acc = 0.67578125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.9196885228157043, acc = 0.7001953125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.0813484191894531, acc = 0.6494140625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.1707959175109863, acc = 0.6025390625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.9790927767753601, acc = 0.677734375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.0280015468597412, acc = 0.6552734375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.0583648681640625, acc = 0.6591796875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 1.0439015626907349, acc = 0.669921875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.0201975107192993, acc = 0.6826171875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.0688564777374268, acc = 0.6650390625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.0403828620910645, acc = 0.6513671875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.9784066677093506, acc = 0.6640625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.9222548604011536, acc = 0.69921875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.9738454222679138, acc = 0.6767578125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.02922523021698, acc = 0.6630859375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.9626634120941162, acc = 0.6845703125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.9060808420181274, acc = 0.69140625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.9900944232940674, acc = 0.6708984375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.9634226560592651, acc = 0.6826171875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.920185923576355, acc = 0.689453125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.9082911014556885, acc = 0.701171875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.9245537519454956, acc = 0.701171875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.923061728477478, acc = 0.6953125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.0353779792785645, acc = 0.6484375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.0411115884780884, acc = 0.6591796875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.9303330183029175, acc = 0.6904296875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.9198811054229736, acc = 0.6982421875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.9971998929977417, acc = 0.65234375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.0743173360824585, acc = 0.6318359375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.0444204807281494, acc = 0.662109375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.8426961898803711, acc = 0.7294921875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.9643928408622742, acc = 0.6796875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.0397446155548096, acc = 0.6787109375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.2031841278076172, acc = 0.5859375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.1258978843688965, acc = 0.6416015625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.8532042503356934, acc = 0.7197265625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 1.0207133293151855, acc = 0.654296875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.9757951498031616, acc = 0.677734375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.9205095171928406, acc = 0.7060546875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.9922032356262207, acc = 0.685546875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.9578232169151306, acc = 0.6875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.0631002187728882, acc = 0.6591796875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.9421483874320984, acc = 0.6875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.9031650424003601, acc = 0.69140625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.019085168838501, acc = 0.6640625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.0451182126998901, acc = 0.6416015625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.0964354276657104, acc = 0.62890625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 1.0429340600967407, acc = 0.654296875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.9183266758918762, acc = 0.6953125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.9155231714248657, acc = 0.68359375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.7835227251052856, acc = 0.7265625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.8553253412246704, acc = 0.705078125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.9155020713806152, acc = 0.689453125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.8339604139328003, acc = 0.716796875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.9676109552383423, acc = 0.673828125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.9291089177131653, acc = 0.7001953125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.0583343505859375, acc = 0.666015625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.996729850769043, acc = 0.6640625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.9146031141281128, acc = 0.6923828125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.12686288356781, acc = 0.6259765625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 1.004144310951233, acc = 0.685546875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.0620149374008179, acc = 0.6640625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.0528011322021484, acc = 0.6630859375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.940299391746521, acc = 0.69140625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.8510375022888184, acc = 0.7373046875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.9288539886474609, acc = 0.6875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.9709188938140869, acc = 0.671875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 1.0077210664749146, acc = 0.6650390625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.9789509773254395, acc = 0.681640625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 1.000038504600525, acc = 0.6728515625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 1.0026897192001343, acc = 0.662109375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.9799283146858215, acc = 0.6630859375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.9693270921707153, acc = 0.685546875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.0634193420410156, acc = 0.65625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 1.0106762647628784, acc = 0.677734375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.9354777932167053, acc = 0.6943359375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.9793776273727417, acc = 0.6884765625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.041407585144043, acc = 0.6650390625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.960679292678833, acc = 0.6904296875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 1.0019774436950684, acc = 0.6728515625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.9763648509979248, acc = 0.6669921875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.9160734415054321, acc = 0.6943359375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.0808364152908325, acc = 0.658203125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.9384194612503052, acc = 0.693359375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.9893848896026611, acc = 0.6806640625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.0252256393432617, acc = 0.666015625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.049291968345642, acc = 0.6494140625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.0881233215332031, acc = 0.6630859375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.9310320615768433, acc = 0.697265625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.8991442918777466, acc = 0.689453125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 1.0042330026626587, acc = 0.662109375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.0522459745407104, acc = 0.6435546875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.956149160861969, acc = 0.6806640625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.939433753490448, acc = 0.6826171875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.9972416162490845, acc = 0.67578125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.0292165279388428, acc = 0.642578125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.0342559814453125, acc = 0.65625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.0909922122955322, acc = 0.669921875

Epoch 19/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.2472702264785767, acc = 0.6220703125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.1294692754745483, acc = 0.6435546875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.0186740159988403, acc = 0.6787109375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 1.0099445581436157, acc = 0.6689453125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.1146737337112427, acc = 0.646484375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.1165862083435059, acc = 0.6259765625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.0945435762405396, acc = 0.6494140625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.9861121773719788, acc = 0.6630859375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.9504842758178711, acc = 0.6845703125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.9258931279182434, acc = 0.703125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.0291039943695068, acc = 0.6611328125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.0531947612762451, acc = 0.6435546875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.9672033786773682, acc = 0.673828125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.9393799304962158, acc = 0.6982421875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.9329899549484253, acc = 0.7021484375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.0464413166046143, acc = 0.6640625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.9987329244613647, acc = 0.6953125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.070768117904663, acc = 0.6552734375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.9494450092315674, acc = 0.6953125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.9539815187454224, acc = 0.6787109375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.0657074451446533, acc = 0.6572265625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.934112012386322, acc = 0.69921875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.9348626732826233, acc = 0.68359375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.9459376931190491, acc = 0.6904296875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.8931214213371277, acc = 0.705078125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.9087933301925659, acc = 0.7099609375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.0491242408752441, acc = 0.6572265625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.9895963072776794, acc = 0.673828125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.9780591130256653, acc = 0.6845703125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.9140498042106628, acc = 0.6884765625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.078325629234314, acc = 0.6455078125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.1621958017349243, acc = 0.6015625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.9582055807113647, acc = 0.673828125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 1.0085797309875488, acc = 0.669921875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 1.0283873081207275, acc = 0.6630859375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.9876568913459778, acc = 0.677734375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 1.0138814449310303, acc = 0.671875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.0360530614852905, acc = 0.6630859375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 1.0358352661132812, acc = 0.6572265625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.9733635783195496, acc = 0.671875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.9021649956703186, acc = 0.70703125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.9429307579994202, acc = 0.6962890625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 1.0195945501327515, acc = 0.654296875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.9307393431663513, acc = 0.6943359375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.8711690902709961, acc = 0.69921875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.9546158313751221, acc = 0.6845703125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.9449368715286255, acc = 0.689453125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.8939918279647827, acc = 0.693359375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.8680142760276794, acc = 0.7177734375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.8958432078361511, acc = 0.70703125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.9247033596038818, acc = 0.6884765625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.0085102319717407, acc = 0.6630859375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.0228281021118164, acc = 0.654296875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.9129605293273926, acc = 0.7119140625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.8926824927330017, acc = 0.7119140625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.9839210510253906, acc = 0.6650390625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.0488888025283813, acc = 0.654296875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.01580011844635, acc = 0.662109375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.8374336957931519, acc = 0.740234375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.933536946773529, acc = 0.6923828125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 1.022355079650879, acc = 0.6748046875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.1823084354400635, acc = 0.6015625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.1310917139053345, acc = 0.6328125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.8416944742202759, acc = 0.712890625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.9739029407501221, acc = 0.6904296875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.9455101490020752, acc = 0.6982421875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.8779643177986145, acc = 0.7138671875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.9735578298568726, acc = 0.673828125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.9439644813537598, acc = 0.671875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.0309675931930542, acc = 0.658203125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.9264940023422241, acc = 0.6884765625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.8716932535171509, acc = 0.72265625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 1.0003869533538818, acc = 0.677734375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.0288628339767456, acc = 0.650390625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.0834523439407349, acc = 0.6376953125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.9753128290176392, acc = 0.681640625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.8948235511779785, acc = 0.7109375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.891487717628479, acc = 0.712890625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.7842195630073547, acc = 0.728515625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.8481531739234924, acc = 0.6923828125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.9039856195449829, acc = 0.708984375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.8359575271606445, acc = 0.7265625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.9367836117744446, acc = 0.697265625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.9357669949531555, acc = 0.69921875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 1.0325552225112915, acc = 0.642578125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.9723751544952393, acc = 0.67578125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.8944700956344604, acc = 0.705078125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.1017471551895142, acc = 0.6337890625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.974090576171875, acc = 0.6845703125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.0577056407928467, acc = 0.671875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.0226653814315796, acc = 0.6640625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.9553130865097046, acc = 0.68359375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.8115447759628296, acc = 0.7314453125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.8857303857803345, acc = 0.7041015625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.939054012298584, acc = 0.6748046875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.99848872423172, acc = 0.6826171875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.9407859444618225, acc = 0.705078125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.9559646248817444, acc = 0.6982421875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.9690312147140503, acc = 0.67578125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.9669278264045715, acc = 0.6748046875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.9630710482597351, acc = 0.685546875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.0455591678619385, acc = 0.6630859375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.9790660738945007, acc = 0.6923828125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.910801112651825, acc = 0.6884765625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.929511308670044, acc = 0.7060546875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.9979446530342102, acc = 0.6796875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.9466052055358887, acc = 0.6962890625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.9804154634475708, acc = 0.6669921875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.9499149322509766, acc = 0.6728515625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.903468132019043, acc = 0.708984375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.0500224828720093, acc = 0.6474609375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.9373440146446228, acc = 0.689453125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.9955817461013794, acc = 0.669921875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 1.0160092115402222, acc = 0.671875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.031049370765686, acc = 0.6611328125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.0748910903930664, acc = 0.6669921875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.9064635634422302, acc = 0.6953125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.8948394656181335, acc = 0.689453125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.9928029775619507, acc = 0.673828125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.0146501064300537, acc = 0.650390625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.9393060803413391, acc = 0.6845703125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.9393683671951294, acc = 0.6982421875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.9873237013816833, acc = 0.677734375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 1.0120830535888672, acc = 0.65234375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.0296965837478638, acc = 0.66015625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.0792303085327148, acc = 0.6669921875

Epoch 20/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.264672040939331, acc = 0.6298828125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.0927762985229492, acc = 0.66015625
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 1.021780252456665, acc = 0.662109375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.9867732524871826, acc = 0.69921875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.1039223670959473, acc = 0.6484375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.1169824600219727, acc = 0.6328125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.075469970703125, acc = 0.65234375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.9983388781547546, acc = 0.6689453125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.9273459911346436, acc = 0.6982421875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.9086662530899048, acc = 0.70703125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.0379587411880493, acc = 0.6484375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.0212419033050537, acc = 0.6650390625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.978354811668396, acc = 0.6630859375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.9383413195610046, acc = 0.708984375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.9217841625213623, acc = 0.703125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 1.0232607126235962, acc = 0.662109375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 1.0029656887054443, acc = 0.6845703125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 1.0275403261184692, acc = 0.6669921875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.941571056842804, acc = 0.6982421875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.9563226699829102, acc = 0.6943359375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.0654115676879883, acc = 0.6494140625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.9209272265434265, acc = 0.7001953125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.9258313775062561, acc = 0.681640625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.9131103754043579, acc = 0.6787109375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.8716341853141785, acc = 0.7216796875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.8901078701019287, acc = 0.70703125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.0231046676635742, acc = 0.66796875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.9835107326507568, acc = 0.6728515625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.9547799229621887, acc = 0.6953125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.8911272883415222, acc = 0.701171875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.0476018190383911, acc = 0.669921875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.1284925937652588, acc = 0.6201171875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.935433566570282, acc = 0.6953125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.9843323826789856, acc = 0.68359375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.997489333152771, acc = 0.671875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.9671807289123535, acc = 0.693359375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.9625402688980103, acc = 0.701171875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.0223504304885864, acc = 0.6611328125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.9951294660568237, acc = 0.6552734375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.9425166249275208, acc = 0.6875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.8774039149284363, acc = 0.7216796875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.9358735680580139, acc = 0.671875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.977669894695282, acc = 0.669921875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.9316325187683105, acc = 0.6953125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.8601770401000977, acc = 0.7216796875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.9071389436721802, acc = 0.7138671875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.9140903949737549, acc = 0.693359375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.8841865062713623, acc = 0.701171875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.8491689562797546, acc = 0.71875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.8607666492462158, acc = 0.7255859375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.89837646484375, acc = 0.685546875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 1.0008149147033691, acc = 0.666015625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 1.0073670148849487, acc = 0.6640625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.8791316747665405, acc = 0.7119140625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.8928665518760681, acc = 0.7041015625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.9502831697463989, acc = 0.6875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.0176639556884766, acc = 0.65234375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 1.0012826919555664, acc = 0.6611328125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.8021239042282104, acc = 0.7294921875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.9299746155738831, acc = 0.6884765625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.9951454401016235, acc = 0.681640625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.1605651378631592, acc = 0.61328125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.0814403295516968, acc = 0.63671875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.8072775602340698, acc = 0.7470703125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.9725398421287537, acc = 0.6767578125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.9356337189674377, acc = 0.6845703125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.8495622873306274, acc = 0.720703125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.9616267085075378, acc = 0.6884765625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.9057466983795166, acc = 0.708984375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 1.0020278692245483, acc = 0.6640625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.9126121997833252, acc = 0.68359375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.8748261332511902, acc = 0.7041015625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.9774075150489807, acc = 0.6787109375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 1.0003386735916138, acc = 0.673828125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.0672283172607422, acc = 0.6357421875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.9959208965301514, acc = 0.681640625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.8573058843612671, acc = 0.71875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.8832477331161499, acc = 0.7099609375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.76555335521698, acc = 0.73828125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.8330488204956055, acc = 0.7099609375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.8796891570091248, acc = 0.7099609375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.8174654245376587, acc = 0.724609375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.9356516599655151, acc = 0.6962890625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.89983731508255, acc = 0.703125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.9997172951698303, acc = 0.6728515625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.9488710165023804, acc = 0.6806640625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.8680667281150818, acc = 0.7158203125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.0810472965240479, acc = 0.63671875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.9424880146980286, acc = 0.6875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.0342719554901123, acc = 0.6728515625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 1.031898856163025, acc = 0.673828125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.9678652286529541, acc = 0.671875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.8339844942092896, acc = 0.73046875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.8747481107711792, acc = 0.7236328125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.9471288323402405, acc = 0.6767578125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.9920127391815186, acc = 0.666015625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.9264336824417114, acc = 0.6982421875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.9508116245269775, acc = 0.7041015625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.9508894681930542, acc = 0.685546875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.931821346282959, acc = 0.6845703125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.9374043941497803, acc = 0.703125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 1.0314176082611084, acc = 0.666015625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.9581261277198792, acc = 0.70703125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.8889253735542297, acc = 0.697265625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.9175794124603271, acc = 0.69921875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 1.0000381469726562, acc = 0.6982421875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.9242311120033264, acc = 0.689453125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.9790836572647095, acc = 0.6796875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.9341986179351807, acc = 0.6728515625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.8668398857116699, acc = 0.7216796875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.0411713123321533, acc = 0.6748046875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.9327398538589478, acc = 0.6982421875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.9882127642631531, acc = 0.681640625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.9994440078735352, acc = 0.6826171875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 1.020957589149475, acc = 0.6748046875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.058532476425171, acc = 0.671875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.8791617155075073, acc = 0.71484375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.8589673042297363, acc = 0.7060546875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.9502502679824829, acc = 0.673828125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 1.0042905807495117, acc = 0.677734375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.9120606184005737, acc = 0.69921875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.9238721132278442, acc = 0.6953125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.971566379070282, acc = 0.68359375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.9866429567337036, acc = 0.658203125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.018104910850525, acc = 0.65625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.056229829788208, acc = 0.6767578125
Saved checkpoint to weights.20.h5

Epoch 21/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.2134251594543457, acc = 0.6337890625
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.0798555612564087, acc = 0.6611328125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.9903494715690613, acc = 0.6748046875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.9620488286018372, acc = 0.69921875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.0658848285675049, acc = 0.6689453125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.0567800998687744, acc = 0.6484375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.0540807247161865, acc = 0.658203125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.9639459848403931, acc = 0.6875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.9095669984817505, acc = 0.697265625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.8776307702064514, acc = 0.728515625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 1.0030484199523926, acc = 0.6708984375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 1.0172786712646484, acc = 0.6650390625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.9592962265014648, acc = 0.6796875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.9021356105804443, acc = 0.7001953125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.8911292552947998, acc = 0.72265625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.9914296269416809, acc = 0.671875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.9601808190345764, acc = 0.697265625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.9963862895965576, acc = 0.6806640625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.9119914174079895, acc = 0.70703125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.9427697658538818, acc = 0.697265625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.0410068035125732, acc = 0.65234375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.897007167339325, acc = 0.7138671875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.8997799754142761, acc = 0.69921875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.8968110084533691, acc = 0.693359375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.8531826734542847, acc = 0.7197265625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.8825466632843018, acc = 0.720703125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 1.031882643699646, acc = 0.671875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.9493176937103271, acc = 0.6982421875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.9433660507202148, acc = 0.6953125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.8692034482955933, acc = 0.7060546875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.0220180749893188, acc = 0.673828125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.0972896814346313, acc = 0.615234375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.9388357996940613, acc = 0.6826171875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.9608709812164307, acc = 0.6748046875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.9924446940422058, acc = 0.6689453125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.9451510310173035, acc = 0.6943359375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.9525941610336304, acc = 0.69140625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.0160691738128662, acc = 0.6611328125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.9976555109024048, acc = 0.669921875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.9274771809577942, acc = 0.6826171875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.8728084564208984, acc = 0.7197265625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.9340720772743225, acc = 0.689453125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.9679831266403198, acc = 0.6748046875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.8749282360076904, acc = 0.7197265625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.8409644961357117, acc = 0.7119140625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.911367654800415, acc = 0.7021484375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.9231643676757812, acc = 0.6943359375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.8537918329238892, acc = 0.6982421875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.8448917865753174, acc = 0.7109375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.8540910482406616, acc = 0.7294921875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.8869064450263977, acc = 0.69140625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.9626575708389282, acc = 0.6865234375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.9761970043182373, acc = 0.673828125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.8624049425125122, acc = 0.7216796875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.87064129114151, acc = 0.71875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.9307326674461365, acc = 0.67578125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 1.0080528259277344, acc = 0.66796875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.9885773062705994, acc = 0.681640625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.771872341632843, acc = 0.7578125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.9297080039978027, acc = 0.7021484375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.9893754720687866, acc = 0.6787109375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.155774474143982, acc = 0.6103515625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.0525976419448853, acc = 0.650390625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.8089946508407593, acc = 0.7314453125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.9599992036819458, acc = 0.6748046875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.9436203837394714, acc = 0.6962890625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.8407700657844543, acc = 0.7138671875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.941797137260437, acc = 0.6923828125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.8888434171676636, acc = 0.69921875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.9734207391738892, acc = 0.6708984375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.919423520565033, acc = 0.6884765625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.8423649668693542, acc = 0.712890625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.9771272540092468, acc = 0.6845703125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.9760215282440186, acc = 0.6650390625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.0439507961273193, acc = 0.6435546875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.947411835193634, acc = 0.6982421875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.851506233215332, acc = 0.716796875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.8532396554946899, acc = 0.720703125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.757116436958313, acc = 0.736328125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.828286349773407, acc = 0.6923828125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.8725547790527344, acc = 0.7236328125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.8042078018188477, acc = 0.7314453125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.9075779318809509, acc = 0.705078125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.8589251041412354, acc = 0.7119140625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.990466296672821, acc = 0.671875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.9250432848930359, acc = 0.6943359375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.8547425270080566, acc = 0.70703125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.0768929719924927, acc = 0.6513671875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.9326355457305908, acc = 0.7099609375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 1.0073673725128174, acc = 0.6748046875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.9776363372802734, acc = 0.681640625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.9327388405799866, acc = 0.689453125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.7991956472396851, acc = 0.7392578125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.8825252652168274, acc = 0.708984375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.9094645977020264, acc = 0.6787109375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.9599255323410034, acc = 0.6845703125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.9212753176689148, acc = 0.716796875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.9446890354156494, acc = 0.6982421875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.9337893128395081, acc = 0.705078125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.9245913028717041, acc = 0.6826171875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.9266599416732788, acc = 0.7021484375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.9862187504768372, acc = 0.689453125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.9212849140167236, acc = 0.69140625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.8671972751617432, acc = 0.7177734375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.8907188773155212, acc = 0.7138671875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.9865148663520813, acc = 0.6845703125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.9213326573371887, acc = 0.7001953125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.9485220909118652, acc = 0.689453125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.915122926235199, acc = 0.6884765625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.8660926222801208, acc = 0.7197265625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 1.0339528322219849, acc = 0.6474609375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.9082657098770142, acc = 0.703125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.9528747797012329, acc = 0.66015625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.9765514731407166, acc = 0.681640625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.9886950254440308, acc = 0.6728515625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.0221418142318726, acc = 0.6767578125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.8753864765167236, acc = 0.7099609375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.8400529623031616, acc = 0.7197265625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.936431884765625, acc = 0.6796875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.9785419702529907, acc = 0.666015625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.9058513641357422, acc = 0.7021484375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.8474891781806946, acc = 0.716796875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.9265864491462708, acc = 0.7041015625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.9584301114082336, acc = 0.6767578125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 1.002672553062439, acc = 0.6708984375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.019342303276062, acc = 0.69140625

Epoch 22/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.187392234802246, acc = 0.642578125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.0733399391174316, acc = 0.6630859375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.9649823307991028, acc = 0.6923828125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.9562391638755798, acc = 0.7060546875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.036940336227417, acc = 0.66796875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.0582144260406494, acc = 0.6435546875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.0160828828811646, acc = 0.6708984375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.923742949962616, acc = 0.6904296875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.8940644264221191, acc = 0.705078125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.8664484620094299, acc = 0.7255859375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.985210657119751, acc = 0.6708984375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.9504214525222778, acc = 0.685546875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.9537246823310852, acc = 0.6806640625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.8775804042816162, acc = 0.708984375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.8932898640632629, acc = 0.708984375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.9785981178283691, acc = 0.6875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.9703824520111084, acc = 0.6865234375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.9620267152786255, acc = 0.685546875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.8926331400871277, acc = 0.7216796875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.9002289772033691, acc = 0.7080078125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 1.0284651517868042, acc = 0.6591796875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.8734820485115051, acc = 0.7158203125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.9192208051681519, acc = 0.6787109375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.878732442855835, acc = 0.703125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.8482811450958252, acc = 0.724609375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.8524461388587952, acc = 0.7265625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.983024001121521, acc = 0.6923828125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.9010845422744751, acc = 0.71484375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.9109456539154053, acc = 0.7177734375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.858879566192627, acc = 0.720703125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 1.0205633640289307, acc = 0.6591796875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.111965537071228, acc = 0.625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.8913745880126953, acc = 0.6923828125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.9548044800758362, acc = 0.6884765625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.9544148445129395, acc = 0.6904296875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.9143337607383728, acc = 0.703125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.9160234332084656, acc = 0.71484375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 1.006282925605774, acc = 0.6826171875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.9639952182769775, acc = 0.6796875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.9072867631912231, acc = 0.7041015625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.8578637838363647, acc = 0.7138671875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.9139182567596436, acc = 0.689453125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.9364479184150696, acc = 0.6865234375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.8700528740882874, acc = 0.70703125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.8023233413696289, acc = 0.73828125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.8853144645690918, acc = 0.7119140625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.8858548998832703, acc = 0.703125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.8349739909172058, acc = 0.708984375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.8137308955192566, acc = 0.7294921875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.8301334381103516, acc = 0.7294921875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.8707901239395142, acc = 0.7001953125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.953417956829071, acc = 0.681640625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.9546060562133789, acc = 0.68359375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.8510081768035889, acc = 0.716796875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.8173104524612427, acc = 0.7333984375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.9266117811203003, acc = 0.6923828125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.9997097253799438, acc = 0.662109375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.971747636795044, acc = 0.673828125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.7682875990867615, acc = 0.7470703125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.9151848554611206, acc = 0.6943359375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.9623801708221436, acc = 0.6875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.1098215579986572, acc = 0.625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.0530298948287964, acc = 0.65625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.7807271480560303, acc = 0.734375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.9396106600761414, acc = 0.6982421875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.9285997152328491, acc = 0.6904296875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.8307023644447327, acc = 0.7216796875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.906234085559845, acc = 0.69921875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.880003809928894, acc = 0.7060546875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.9795882105827332, acc = 0.67578125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.8690984845161438, acc = 0.697265625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.8342739939689636, acc = 0.71484375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.9566911458969116, acc = 0.6826171875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.9642606377601624, acc = 0.6796875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.025168538093567, acc = 0.654296875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.9245535135269165, acc = 0.7041015625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.850739061832428, acc = 0.7236328125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.8461183309555054, acc = 0.7109375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.7417285442352295, acc = 0.7548828125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.8008838891983032, acc = 0.71875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.8603678345680237, acc = 0.7333984375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.7697517275810242, acc = 0.7529296875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.859229564666748, acc = 0.7080078125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.8633178472518921, acc = 0.716796875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.976521372795105, acc = 0.6787109375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.9331616759300232, acc = 0.6865234375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.8368330597877502, acc = 0.7119140625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.0343683958053589, acc = 0.6611328125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.9158443808555603, acc = 0.7080078125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.9815565347671509, acc = 0.6982421875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.9583700299263, acc = 0.673828125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.8985512256622314, acc = 0.69921875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.7853716015815735, acc = 0.7421875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.8383662700653076, acc = 0.71484375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.9093633890151978, acc = 0.697265625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.9312800765037537, acc = 0.6826171875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.8760548830032349, acc = 0.71875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.9137327671051025, acc = 0.7197265625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.9066528081893921, acc = 0.69921875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.9223535656929016, acc = 0.6953125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.9007006883621216, acc = 0.7041015625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.9619739055633545, acc = 0.6845703125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.9182692766189575, acc = 0.7109375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.8321496248245239, acc = 0.7216796875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.8725420236587524, acc = 0.71484375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.9434182643890381, acc = 0.6943359375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.8761355876922607, acc = 0.697265625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.9328188896179199, acc = 0.6982421875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.892910897731781, acc = 0.685546875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.8043000102043152, acc = 0.7255859375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.9877849817276001, acc = 0.6708984375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.8770577907562256, acc = 0.712890625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.9413890242576599, acc = 0.69140625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.9598261117935181, acc = 0.693359375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.9686656594276428, acc = 0.673828125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 1.0146265029907227, acc = 0.677734375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.8253723978996277, acc = 0.7099609375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.8167356848716736, acc = 0.73828125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.9074122905731201, acc = 0.6953125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.9716932773590088, acc = 0.673828125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.8811599016189575, acc = 0.72265625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.8627630472183228, acc = 0.7138671875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.9092810153961182, acc = 0.6923828125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.9362527132034302, acc = 0.68359375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.965144157409668, acc = 0.6875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 1.0064704418182373, acc = 0.689453125

Epoch 23/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.1523268222808838, acc = 0.642578125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.0407366752624512, acc = 0.6689453125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.9553240537643433, acc = 0.6845703125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.9224388003349304, acc = 0.703125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 1.0237610340118408, acc = 0.671875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.0273759365081787, acc = 0.662109375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 1.0283725261688232, acc = 0.658203125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.9321091175079346, acc = 0.6962890625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.8741586208343506, acc = 0.7060546875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.8127238750457764, acc = 0.734375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.9574872255325317, acc = 0.6884765625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.9219443798065186, acc = 0.6923828125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.8828521370887756, acc = 0.701171875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.8674042224884033, acc = 0.724609375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.8762010335922241, acc = 0.724609375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.9501435160636902, acc = 0.685546875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.9422106146812439, acc = 0.70703125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.9574575424194336, acc = 0.6875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.88023841381073, acc = 0.7119140625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.897739589214325, acc = 0.701171875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.9890252351760864, acc = 0.6630859375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.848013162612915, acc = 0.716796875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.8696029782295227, acc = 0.69921875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.8685715198516846, acc = 0.7138671875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.8211914300918579, acc = 0.73046875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.8388590812683105, acc = 0.7158203125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.9810327291488647, acc = 0.677734375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.9005135893821716, acc = 0.7041015625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.8659301400184631, acc = 0.7451171875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.8326817750930786, acc = 0.7197265625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.9788662195205688, acc = 0.6865234375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.0544934272766113, acc = 0.6474609375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.8701565265655518, acc = 0.7080078125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.9303216338157654, acc = 0.685546875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.9124796986579895, acc = 0.7109375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.8732922673225403, acc = 0.73046875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.8900351524353027, acc = 0.7119140625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.963683545589447, acc = 0.697265625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.9472804665565491, acc = 0.6708984375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.8922244310379028, acc = 0.6884765625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.841235876083374, acc = 0.7197265625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.8803575038909912, acc = 0.7158203125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.8892743587493896, acc = 0.7041015625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.8144278526306152, acc = 0.744140625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.7586681246757507, acc = 0.744140625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.8435965776443481, acc = 0.7177734375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.8653631210327148, acc = 0.7060546875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.836201012134552, acc = 0.7060546875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.7785491347312927, acc = 0.7392578125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.8101096153259277, acc = 0.734375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.838102400302887, acc = 0.7041015625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.9399948716163635, acc = 0.673828125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.9347898364067078, acc = 0.6875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.8101511001586914, acc = 0.73046875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.7961876392364502, acc = 0.740234375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.9007050395011902, acc = 0.6953125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.953057587146759, acc = 0.6845703125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.9235409498214722, acc = 0.69140625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.7419528961181641, acc = 0.76171875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.8689338564872742, acc = 0.7197265625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.949931263923645, acc = 0.712890625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.1080331802368164, acc = 0.6181640625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.0314463376998901, acc = 0.6767578125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.7818582653999329, acc = 0.7412109375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.9107939600944519, acc = 0.7001953125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.8888393044471741, acc = 0.7119140625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.8074047565460205, acc = 0.7333984375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.9058198928833008, acc = 0.6923828125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.864357054233551, acc = 0.720703125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.9467943906784058, acc = 0.689453125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.877426028251648, acc = 0.7099609375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.8142627477645874, acc = 0.7275390625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.9174031615257263, acc = 0.697265625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.9426392316818237, acc = 0.6865234375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.9953598976135254, acc = 0.6552734375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.9012930393218994, acc = 0.6943359375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.8355668783187866, acc = 0.7294921875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.8271811008453369, acc = 0.724609375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.7319083213806152, acc = 0.7451171875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.7843984365463257, acc = 0.7236328125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.844499945640564, acc = 0.72265625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.7597629427909851, acc = 0.744140625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.8518401384353638, acc = 0.708984375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.8303359746932983, acc = 0.7275390625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.943550169467926, acc = 0.681640625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.9068847894668579, acc = 0.7119140625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.8249138593673706, acc = 0.7294921875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 1.0050877332687378, acc = 0.6787109375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.8868104219436646, acc = 0.7236328125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.9620629549026489, acc = 0.6962890625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.9677491784095764, acc = 0.6875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.898608386516571, acc = 0.7001953125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.7644394636154175, acc = 0.74609375
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.8214173913002014, acc = 0.7392578125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.8689524531364441, acc = 0.7080078125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.910443902015686, acc = 0.701171875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.8529180884361267, acc = 0.716796875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.8935310244560242, acc = 0.703125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.8973111510276794, acc = 0.7041015625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.8908916711807251, acc = 0.7041015625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.8745146989822388, acc = 0.7080078125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.9388697147369385, acc = 0.6982421875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.8845970034599304, acc = 0.71875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.8340383172035217, acc = 0.7177734375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.8474594354629517, acc = 0.73046875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.9142786860466003, acc = 0.69921875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.8745623826980591, acc = 0.7080078125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.8816732168197632, acc = 0.69921875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.871096134185791, acc = 0.716796875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.8186941146850586, acc = 0.7314453125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.9852697849273682, acc = 0.681640625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.8664520382881165, acc = 0.71875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.917468786239624, acc = 0.6884765625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.9574711322784424, acc = 0.6904296875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.9430645704269409, acc = 0.6787109375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.9682878255844116, acc = 0.7001953125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.8152803778648376, acc = 0.73046875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.7975678443908691, acc = 0.71875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.894446849822998, acc = 0.708984375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.9185008406639099, acc = 0.6904296875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.8750478029251099, acc = 0.708984375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.818327784538269, acc = 0.732421875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.880469560623169, acc = 0.708984375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.9263067245483398, acc = 0.6845703125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.9429007768630981, acc = 0.6962890625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.9986633062362671, acc = 0.7021484375

Epoch 24/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.128387689590454, acc = 0.662109375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 1.0147100687026978, acc = 0.666015625
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.9210005402565002, acc = 0.705078125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.9007700681686401, acc = 0.7158203125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.9727813601493835, acc = 0.6875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 1.0021599531173706, acc = 0.666015625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.99120032787323, acc = 0.6728515625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.9120797514915466, acc = 0.693359375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.8369576334953308, acc = 0.72265625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.8007043600082397, acc = 0.7412109375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.9309993982315063, acc = 0.6982421875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.8910449743270874, acc = 0.70703125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.885535478591919, acc = 0.697265625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.8534011244773865, acc = 0.7119140625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.8445097208023071, acc = 0.7265625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.9170128107070923, acc = 0.7001953125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.909972608089447, acc = 0.71484375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.9396587610244751, acc = 0.69921875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.8496342301368713, acc = 0.7255859375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.8673245906829834, acc = 0.7060546875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.9784477949142456, acc = 0.6826171875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.8543450236320496, acc = 0.72265625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.845285177230835, acc = 0.697265625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.8473374247550964, acc = 0.720703125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.8169153928756714, acc = 0.734375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.8251264095306396, acc = 0.73046875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.9680832028388977, acc = 0.6806640625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.8771085143089294, acc = 0.7041015625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.8725672960281372, acc = 0.7216796875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.7988724708557129, acc = 0.7353515625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.9581884145736694, acc = 0.68359375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 1.0179295539855957, acc = 0.6474609375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.836735188961029, acc = 0.7275390625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.8967721462249756, acc = 0.6953125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.9315823912620544, acc = 0.70703125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.8728300333023071, acc = 0.7158203125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.8945723176002502, acc = 0.7138671875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.9584210515022278, acc = 0.701171875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.9355193376541138, acc = 0.6806640625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.8530638813972473, acc = 0.7294921875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.8104701638221741, acc = 0.734375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.8598740100860596, acc = 0.7294921875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.8883650302886963, acc = 0.7060546875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.8304407596588135, acc = 0.720703125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.7648409605026245, acc = 0.74609375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.8180371522903442, acc = 0.732421875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.8543188571929932, acc = 0.7236328125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.8357202410697937, acc = 0.70703125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.7964354753494263, acc = 0.740234375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.8009616136550903, acc = 0.7470703125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.818301796913147, acc = 0.7236328125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.91813725233078, acc = 0.7001953125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.882691502571106, acc = 0.703125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.7896982431411743, acc = 0.744140625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.7744873762130737, acc = 0.7626953125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.8668088912963867, acc = 0.7109375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.9301060438156128, acc = 0.681640625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.9078947901725769, acc = 0.6923828125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.7017194032669067, acc = 0.7734375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.864046037197113, acc = 0.7158203125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.9279947280883789, acc = 0.716796875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.0552457571029663, acc = 0.6376953125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 1.0060920715332031, acc = 0.6591796875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.7503894567489624, acc = 0.75
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.9047460556030273, acc = 0.69921875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.8454839587211609, acc = 0.7119140625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.79591965675354, acc = 0.7314453125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.873418927192688, acc = 0.72265625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.8450789451599121, acc = 0.7158203125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.9487099051475525, acc = 0.6904296875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.8671501874923706, acc = 0.705078125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.8024958372116089, acc = 0.7265625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.9281662702560425, acc = 0.708984375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.9002859592437744, acc = 0.7080078125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 1.001325011253357, acc = 0.658203125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.8919776082038879, acc = 0.7138671875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.82541823387146, acc = 0.7294921875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.8176165223121643, acc = 0.7216796875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.7146930694580078, acc = 0.759765625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.7729024887084961, acc = 0.7392578125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.8332024812698364, acc = 0.7255859375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.7454348802566528, acc = 0.763671875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.8254355788230896, acc = 0.7119140625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.8330766558647156, acc = 0.71875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.9473596811294556, acc = 0.685546875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.8871841430664062, acc = 0.7060546875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.7861155271530151, acc = 0.7353515625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.9845081567764282, acc = 0.677734375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.8649352192878723, acc = 0.7255859375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.927854061126709, acc = 0.6953125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.9442141056060791, acc = 0.6787109375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.8827611207962036, acc = 0.70703125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.7563667297363281, acc = 0.7431640625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.7968429327011108, acc = 0.73828125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.8477770686149597, acc = 0.716796875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.9014756679534912, acc = 0.7080078125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.8483164310455322, acc = 0.7314453125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.8570119142532349, acc = 0.71484375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.8714723587036133, acc = 0.7177734375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.8747584223747253, acc = 0.703125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.8693957328796387, acc = 0.705078125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.892493486404419, acc = 0.6982421875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.8860315084457397, acc = 0.7275390625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.7985599637031555, acc = 0.7275390625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.8194159269332886, acc = 0.7265625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.9001541137695312, acc = 0.7138671875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.8468866348266602, acc = 0.73046875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.8340614438056946, acc = 0.7255859375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.8610349893569946, acc = 0.7119140625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.7808325290679932, acc = 0.7431640625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.9512248635292053, acc = 0.6865234375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.8525176048278809, acc = 0.71484375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.8813047409057617, acc = 0.70703125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.9020121693611145, acc = 0.7109375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.9508833885192871, acc = 0.6728515625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.965005099773407, acc = 0.6943359375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.8208327889442444, acc = 0.7294921875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.7729254961013794, acc = 0.73828125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.8528010249137878, acc = 0.734375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.919786810874939, acc = 0.7021484375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.8573481440544128, acc = 0.7197265625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.8002183437347412, acc = 0.7431640625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.870735228061676, acc = 0.7080078125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.9119588136672974, acc = 0.6884765625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.9328259229660034, acc = 0.6904296875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.9278364777565002, acc = 0.7021484375

Epoch 25/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.1071044206619263, acc = 0.66796875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.9942567348480225, acc = 0.673828125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.8984605073928833, acc = 0.703125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.8715384006500244, acc = 0.7294921875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.976099967956543, acc = 0.6923828125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.9774113893508911, acc = 0.6787109375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.9715293645858765, acc = 0.6884765625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.8834722638130188, acc = 0.720703125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.8166881203651428, acc = 0.7265625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.8093855381011963, acc = 0.728515625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.913710355758667, acc = 0.6806640625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.9047949314117432, acc = 0.6943359375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.8477259874343872, acc = 0.7177734375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.8453994393348694, acc = 0.72265625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.8305538892745972, acc = 0.7314453125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.9284405708312988, acc = 0.69921875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.8990947604179382, acc = 0.7109375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.9083836078643799, acc = 0.7138671875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.8269241452217102, acc = 0.7333984375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.8806127309799194, acc = 0.71484375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.9760125875473022, acc = 0.6728515625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.805100679397583, acc = 0.7392578125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.8250370025634766, acc = 0.7197265625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.8389595150947571, acc = 0.705078125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.788447916507721, acc = 0.7353515625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.819385826587677, acc = 0.7275390625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.9339708685874939, acc = 0.69921875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.860775351524353, acc = 0.724609375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.8699425458908081, acc = 0.708984375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.8122422099113464, acc = 0.734375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.9363276958465576, acc = 0.701171875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.9868603944778442, acc = 0.67578125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.8234038949012756, acc = 0.7314453125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.8956384658813477, acc = 0.6904296875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.8857002258300781, acc = 0.7099609375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.8245077729225159, acc = 0.7333984375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.8616881966590881, acc = 0.73828125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.9124435782432556, acc = 0.6962890625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.8857962489128113, acc = 0.69921875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.8383203744888306, acc = 0.71875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.787116289138794, acc = 0.744140625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.8126588463783264, acc = 0.72265625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.8488380312919617, acc = 0.728515625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.7906354665756226, acc = 0.74609375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.7664883732795715, acc = 0.734375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.8447461724281311, acc = 0.71484375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.835129976272583, acc = 0.7265625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.8064286708831787, acc = 0.7177734375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.7279913425445557, acc = 0.7744140625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.7700590491294861, acc = 0.7421875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.7858109474182129, acc = 0.7265625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.8861983418464661, acc = 0.69921875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.8640385270118713, acc = 0.7197265625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.758444607257843, acc = 0.7490234375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.7546951174736023, acc = 0.7578125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.887017011642456, acc = 0.712890625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.9043041467666626, acc = 0.7021484375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.9102125763893127, acc = 0.6943359375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.6861686706542969, acc = 0.7822265625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.8423969149589539, acc = 0.712890625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.8687368035316467, acc = 0.712890625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.029028058052063, acc = 0.6484375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.9629205465316772, acc = 0.693359375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.7522680759429932, acc = 0.7529296875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.9177389144897461, acc = 0.6962890625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.8544461131095886, acc = 0.70703125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.7605584263801575, acc = 0.744140625
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.8493391871452332, acc = 0.720703125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.8115296363830566, acc = 0.728515625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.9288314580917358, acc = 0.6923828125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.8564519286155701, acc = 0.7099609375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.7852422595024109, acc = 0.7392578125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.9008647203445435, acc = 0.7099609375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.8919714093208313, acc = 0.703125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.9852854609489441, acc = 0.6748046875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.8826029300689697, acc = 0.70703125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.8175879716873169, acc = 0.7451171875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.7972832322120667, acc = 0.7353515625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.7255325317382812, acc = 0.7548828125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.7718454003334045, acc = 0.7236328125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.8268374800682068, acc = 0.7373046875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.7280975580215454, acc = 0.7607421875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.8179277777671814, acc = 0.7314453125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.7925457954406738, acc = 0.751953125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.939818799495697, acc = 0.689453125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.8987300992012024, acc = 0.7001953125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.8003402352333069, acc = 0.716796875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.9510781764984131, acc = 0.697265625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.8571186065673828, acc = 0.7158203125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.9008827209472656, acc = 0.7119140625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.9319338798522949, acc = 0.69140625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.8422497510910034, acc = 0.7138671875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.7542195916175842, acc = 0.7529296875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.7939645051956177, acc = 0.7421875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.8343253135681152, acc = 0.7109375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.8787338733673096, acc = 0.7119140625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.8053374290466309, acc = 0.734375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.8303234577178955, acc = 0.7333984375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.8420268297195435, acc = 0.72265625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.8318589925765991, acc = 0.716796875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.8161115646362305, acc = 0.7314453125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.8759635090827942, acc = 0.716796875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.8475475311279297, acc = 0.728515625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.7791388034820557, acc = 0.73046875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.8185757398605347, acc = 0.736328125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.8890793323516846, acc = 0.708984375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.8454124927520752, acc = 0.7138671875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.8471450209617615, acc = 0.7294921875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.8429543972015381, acc = 0.7236328125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.7899721264839172, acc = 0.744140625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.9627503156661987, acc = 0.6845703125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.8346225023269653, acc = 0.712890625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.8928475379943848, acc = 0.7060546875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.9011609554290771, acc = 0.71484375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.8767175078392029, acc = 0.705078125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.9552180171012878, acc = 0.697265625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.7949650287628174, acc = 0.7294921875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.771598219871521, acc = 0.7470703125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.8471803665161133, acc = 0.7177734375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.8961648941040039, acc = 0.6923828125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.8517717123031616, acc = 0.716796875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.8000072240829468, acc = 0.7451171875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.8686102032661438, acc = 0.7099609375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.8882801532745361, acc = 0.6982421875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.9123666286468506, acc = 0.7001953125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.9172734022140503, acc = 0.71484375

Epoch 26/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.0652955770492554, acc = 0.6611328125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.9612732529640198, acc = 0.6845703125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.8911774158477783, acc = 0.705078125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.8595468997955322, acc = 0.7294921875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.9344140291213989, acc = 0.6953125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.9434669017791748, acc = 0.6826171875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.918328046798706, acc = 0.7060546875
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.8701499700546265, acc = 0.712890625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.8196938633918762, acc = 0.73046875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.7685821056365967, acc = 0.7509765625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.8959614634513855, acc = 0.7001953125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.8999678492546082, acc = 0.7060546875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.8438332080841064, acc = 0.7177734375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.838209331035614, acc = 0.7294921875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.8288367986679077, acc = 0.740234375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.8876594305038452, acc = 0.7041015625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.8735739588737488, acc = 0.7265625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.8969330787658691, acc = 0.7236328125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.8161981701850891, acc = 0.7412109375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.8197752833366394, acc = 0.7255859375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.9343056678771973, acc = 0.6806640625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.8070735931396484, acc = 0.7255859375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.8186392188072205, acc = 0.7275390625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.7937667965888977, acc = 0.7294921875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.7757871150970459, acc = 0.7451171875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.7865028977394104, acc = 0.736328125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.9417327642440796, acc = 0.6962890625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.8511670827865601, acc = 0.7236328125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.8586552143096924, acc = 0.7197265625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.7904578447341919, acc = 0.73828125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.9216423034667969, acc = 0.693359375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.969067394733429, acc = 0.6748046875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.7994052171707153, acc = 0.7392578125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.8800402879714966, acc = 0.708984375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.8746579885482788, acc = 0.724609375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.8469340205192566, acc = 0.7314453125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.8163610696792603, acc = 0.7353515625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.9042699337005615, acc = 0.703125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.8957058787345886, acc = 0.7021484375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.8384808301925659, acc = 0.7177734375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.7820548415184021, acc = 0.7548828125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.8176151514053345, acc = 0.712890625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.8628594279289246, acc = 0.7060546875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.7715575695037842, acc = 0.7568359375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.7415149211883545, acc = 0.7626953125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.8276084661483765, acc = 0.71484375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.8273778557777405, acc = 0.71484375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.8118422031402588, acc = 0.7119140625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.7286642789840698, acc = 0.7763671875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.7384989261627197, acc = 0.7431640625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.7659530639648438, acc = 0.744140625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.8617327809333801, acc = 0.7138671875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.8273855447769165, acc = 0.728515625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.7238675355911255, acc = 0.7685546875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.7509971261024475, acc = 0.7578125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.855260968208313, acc = 0.7236328125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.8969412446022034, acc = 0.70703125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.9114357233047485, acc = 0.6982421875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.6913303136825562, acc = 0.7724609375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.8418779969215393, acc = 0.7236328125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.8656632304191589, acc = 0.7294921875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 1.0101721286773682, acc = 0.6748046875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.9392257928848267, acc = 0.693359375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.7337827086448669, acc = 0.767578125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.8900837302207947, acc = 0.693359375
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.8284321427345276, acc = 0.728515625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.7472683191299438, acc = 0.751953125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.8316438794136047, acc = 0.7109375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.8136565089225769, acc = 0.7236328125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.8916876316070557, acc = 0.716796875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.8176394104957581, acc = 0.728515625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.7668574452400208, acc = 0.7451171875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.8596170544624329, acc = 0.7099609375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.9030382037162781, acc = 0.6943359375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.9512381553649902, acc = 0.6708984375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.8528439998626709, acc = 0.7060546875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.7947918772697449, acc = 0.74609375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.8079988956451416, acc = 0.748046875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.7053648829460144, acc = 0.7578125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.7536782622337341, acc = 0.7353515625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.803222119808197, acc = 0.74609375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.7543670535087585, acc = 0.7470703125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.8154296875, acc = 0.734375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.7867886424064636, acc = 0.736328125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.904315173625946, acc = 0.6962890625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.8504421710968018, acc = 0.70703125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.7849791049957275, acc = 0.7431640625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.966658890247345, acc = 0.6826171875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.8299148082733154, acc = 0.73046875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.9105668067932129, acc = 0.6982421875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.9068019390106201, acc = 0.7119140625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.829171895980835, acc = 0.7197265625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.7196787595748901, acc = 0.765625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.7766171097755432, acc = 0.7548828125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.8003491163253784, acc = 0.7216796875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.8953842520713806, acc = 0.71484375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.809252142906189, acc = 0.7314453125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.8322563171386719, acc = 0.72265625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.8330581784248352, acc = 0.72265625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.8407028317451477, acc = 0.7119140625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.8233596682548523, acc = 0.73046875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.8975629806518555, acc = 0.6962890625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.8489915728569031, acc = 0.7265625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.7817378640174866, acc = 0.73828125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.8086664080619812, acc = 0.74609375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.8653230667114258, acc = 0.720703125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.8047104477882385, acc = 0.72265625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.8356610536575317, acc = 0.7255859375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.8189249038696289, acc = 0.7216796875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.7496140003204346, acc = 0.75
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.9190472960472107, acc = 0.6826171875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.8336603045463562, acc = 0.736328125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.8670750856399536, acc = 0.7099609375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.8945952653884888, acc = 0.70703125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.8955742120742798, acc = 0.70703125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.9516725540161133, acc = 0.7001953125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.7622374296188354, acc = 0.7451171875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.7208857536315918, acc = 0.7734375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.8120429515838623, acc = 0.734375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.8710484504699707, acc = 0.71875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.8287916779518127, acc = 0.7265625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.7801727056503296, acc = 0.755859375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.8296347856521606, acc = 0.7353515625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.8873205184936523, acc = 0.7001953125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.886054277420044, acc = 0.7021484375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.9055282473564148, acc = 0.736328125

Epoch 27/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.065520167350769, acc = 0.6708984375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.9573162794113159, acc = 0.6982421875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.8505868911743164, acc = 0.728515625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.8643036484718323, acc = 0.73046875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.9204570651054382, acc = 0.693359375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.9280014634132385, acc = 0.693359375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.9132506251335144, acc = 0.6875
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.8428804278373718, acc = 0.720703125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.8002258539199829, acc = 0.740234375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.756876528263092, acc = 0.7509765625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.8906363844871521, acc = 0.6953125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.8822939395904541, acc = 0.7109375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.8511674404144287, acc = 0.708984375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.7942531108856201, acc = 0.748046875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.7802846431732178, acc = 0.748046875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.8783831596374512, acc = 0.7080078125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.8367112278938293, acc = 0.7392578125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.8936079144477844, acc = 0.7080078125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.794295072555542, acc = 0.7470703125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.8134430646896362, acc = 0.7294921875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.9329957962036133, acc = 0.689453125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.8010410666465759, acc = 0.7333984375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.7962283492088318, acc = 0.7275390625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.7814968824386597, acc = 0.7451171875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.7475475072860718, acc = 0.7529296875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.7884984016418457, acc = 0.73046875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.9037203788757324, acc = 0.7060546875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.8189129829406738, acc = 0.72265625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.8449978828430176, acc = 0.7314453125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.7706184983253479, acc = 0.736328125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.9015017151832581, acc = 0.716796875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.9612217545509338, acc = 0.6826171875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.7961166501045227, acc = 0.7314453125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.8452182412147522, acc = 0.7216796875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.864810049533844, acc = 0.7275390625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.7959117889404297, acc = 0.744140625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.8164902329444885, acc = 0.734375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.9160643815994263, acc = 0.7109375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.8771127462387085, acc = 0.708984375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.8046109676361084, acc = 0.7392578125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.771698534488678, acc = 0.7373046875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.7854973077774048, acc = 0.736328125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.8342280387878418, acc = 0.7255859375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.7785590887069702, acc = 0.75
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.716079592704773, acc = 0.7578125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.804244339466095, acc = 0.72265625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.8439148664474487, acc = 0.71484375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.7933794856071472, acc = 0.7255859375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.7206477522850037, acc = 0.763671875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.7192090153694153, acc = 0.759765625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.7653583884239197, acc = 0.734375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.834664523601532, acc = 0.724609375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.8232408761978149, acc = 0.7333984375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.7477221488952637, acc = 0.7529296875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.758247435092926, acc = 0.7607421875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.8268511295318604, acc = 0.71484375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.8747861385345459, acc = 0.7099609375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.882766604423523, acc = 0.708984375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.6688721776008606, acc = 0.77734375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.8069120645523071, acc = 0.7392578125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.8090286254882812, acc = 0.744140625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.9813380241394043, acc = 0.66015625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.9299190640449524, acc = 0.693359375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.6935005187988281, acc = 0.7724609375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.8304093480110168, acc = 0.7216796875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.828993558883667, acc = 0.7265625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.7473276257514954, acc = 0.7529296875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.8111055493354797, acc = 0.7353515625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.7914161682128906, acc = 0.7255859375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.8811175227165222, acc = 0.7138671875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.8043001890182495, acc = 0.7138671875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.7471180558204651, acc = 0.732421875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.874199628829956, acc = 0.7255859375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.8700907230377197, acc = 0.7119140625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.9345424175262451, acc = 0.6884765625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.8597230911254883, acc = 0.71484375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.7720170021057129, acc = 0.7412109375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.7709245681762695, acc = 0.7548828125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.6908910870552063, acc = 0.767578125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.7419109344482422, acc = 0.73046875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.7778565883636475, acc = 0.748046875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.7064117789268494, acc = 0.7705078125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.7866734266281128, acc = 0.7412109375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.7518011331558228, acc = 0.7607421875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.8888188600540161, acc = 0.6962890625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.8410475254058838, acc = 0.720703125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.7809288501739502, acc = 0.7392578125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.9464468955993652, acc = 0.7001953125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.8097137212753296, acc = 0.736328125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.8695937991142273, acc = 0.7265625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.8765416741371155, acc = 0.7119140625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.8415824174880981, acc = 0.7333984375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.6980364322662354, acc = 0.7529296875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.7425955533981323, acc = 0.7548828125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.796872615814209, acc = 0.7333984375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.8482668995857239, acc = 0.7119140625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.7586239576339722, acc = 0.75390625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.8103356957435608, acc = 0.740234375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.8217630386352539, acc = 0.7255859375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.8535547256469727, acc = 0.7138671875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.7975732684135437, acc = 0.7529296875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.874870777130127, acc = 0.7158203125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.8036176562309265, acc = 0.73828125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.7455039620399475, acc = 0.7431640625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.7692306637763977, acc = 0.7509765625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.8313567638397217, acc = 0.716796875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.8074896335601807, acc = 0.7236328125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.8077014088630676, acc = 0.734375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.8034354448318481, acc = 0.73046875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.7468997240066528, acc = 0.76953125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.9128468036651611, acc = 0.689453125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.8064706921577454, acc = 0.740234375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.8427369594573975, acc = 0.7216796875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.8503462672233582, acc = 0.73046875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.8582428097724915, acc = 0.7109375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.9131239652633667, acc = 0.708984375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.7593350410461426, acc = 0.744140625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.7302268147468567, acc = 0.748046875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.7949586510658264, acc = 0.748046875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.8231261968612671, acc = 0.7236328125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.8218981027603149, acc = 0.73046875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.7735660672187805, acc = 0.7529296875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.8102686405181885, acc = 0.736328125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.8367258310317993, acc = 0.7314453125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.8668040037155151, acc = 0.720703125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.8991796374320984, acc = 0.703125

Epoch 28/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.0145041942596436, acc = 0.6953125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.9549275636672974, acc = 0.6923828125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.8570654988288879, acc = 0.7216796875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.8285350799560547, acc = 0.75390625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.9233929514884949, acc = 0.7109375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.9124153852462769, acc = 0.689453125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.9237293004989624, acc = 0.705078125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.8287158012390137, acc = 0.734375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.7569757103919983, acc = 0.7568359375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.7512470483779907, acc = 0.7568359375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.873436450958252, acc = 0.703125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.8626385927200317, acc = 0.7099609375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.7971967458724976, acc = 0.712890625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.8039151430130005, acc = 0.748046875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.7750821113586426, acc = 0.7451171875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.844853937625885, acc = 0.724609375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.8218809366226196, acc = 0.7470703125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.8782848715782166, acc = 0.7216796875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.749537467956543, acc = 0.7548828125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.8106520175933838, acc = 0.73828125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.911108136177063, acc = 0.6923828125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.7901331782341003, acc = 0.73828125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.7765405774116516, acc = 0.7314453125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.7834206819534302, acc = 0.7451171875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.7557574510574341, acc = 0.74609375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.7658125758171082, acc = 0.74609375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.893738865852356, acc = 0.716796875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.8093268871307373, acc = 0.7373046875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.8300462365150452, acc = 0.7412109375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.7338497042655945, acc = 0.7587890625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.8915006518363953, acc = 0.701171875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.9195869565010071, acc = 0.6845703125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.7747509479522705, acc = 0.7421875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.8383584022521973, acc = 0.7236328125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.8140803575515747, acc = 0.7333984375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.7857598066329956, acc = 0.75
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.7858160734176636, acc = 0.7548828125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.8785639405250549, acc = 0.7197265625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.8384411931037903, acc = 0.72265625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.7879763245582581, acc = 0.728515625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.7408957481384277, acc = 0.7490234375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.7703828811645508, acc = 0.75
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.8193032145500183, acc = 0.720703125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.7340410947799683, acc = 0.76171875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.7179617881774902, acc = 0.76171875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.780538022518158, acc = 0.7275390625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.766541600227356, acc = 0.75390625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.7568946480751038, acc = 0.7421875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.7185254693031311, acc = 0.7666015625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.7273260354995728, acc = 0.7724609375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.7577667236328125, acc = 0.732421875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.8353608846664429, acc = 0.7216796875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.8147088289260864, acc = 0.7216796875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.7254481315612793, acc = 0.7578125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.7146533727645874, acc = 0.7802734375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.80216383934021, acc = 0.7216796875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.8757225275039673, acc = 0.7109375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.8807934522628784, acc = 0.708984375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.6404256820678711, acc = 0.7880859375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.806411862373352, acc = 0.734375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.8146955370903015, acc = 0.732421875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.9716808199882507, acc = 0.666015625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.9186702966690063, acc = 0.7041015625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.7146841883659363, acc = 0.7587890625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.842039167881012, acc = 0.72265625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.7999069690704346, acc = 0.7275390625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.7346395254135132, acc = 0.7568359375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.8414117693901062, acc = 0.720703125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.748192548751831, acc = 0.75
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.8745012283325195, acc = 0.7109375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.7867941856384277, acc = 0.7236328125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.7670496106147766, acc = 0.7470703125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.8369642496109009, acc = 0.7216796875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.8624669909477234, acc = 0.708984375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.9190863966941833, acc = 0.6884765625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.8368172645568848, acc = 0.7265625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.7601220607757568, acc = 0.7412109375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.7619016170501709, acc = 0.751953125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.6793388724327087, acc = 0.7685546875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.7321997284889221, acc = 0.7392578125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.7624881863594055, acc = 0.748046875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.6926366090774536, acc = 0.7705078125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.7736338973045349, acc = 0.736328125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.7522644996643066, acc = 0.755859375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.8718271851539612, acc = 0.7119140625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.8388018608093262, acc = 0.7275390625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.7404648065567017, acc = 0.73828125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.892570436000824, acc = 0.71875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.795184850692749, acc = 0.7421875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.8800450563430786, acc = 0.71484375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.8481706976890564, acc = 0.716796875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.8140773177146912, acc = 0.7314453125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.6597766876220703, acc = 0.7783203125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.7543206810951233, acc = 0.7578125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.7977507710456848, acc = 0.7275390625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.8608683943748474, acc = 0.7138671875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.7538836002349854, acc = 0.7548828125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.7988734245300293, acc = 0.736328125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.8106553554534912, acc = 0.732421875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.79189133644104, acc = 0.7314453125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.7882308959960938, acc = 0.744140625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.8154600262641907, acc = 0.7353515625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.798190712928772, acc = 0.75
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.7300440669059753, acc = 0.7568359375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.7464351654052734, acc = 0.7509765625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.8141897320747375, acc = 0.7294921875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.7771719694137573, acc = 0.7392578125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.7991597652435303, acc = 0.73828125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.7885432839393616, acc = 0.736328125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.7170862555503845, acc = 0.7587890625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.8881665468215942, acc = 0.6982421875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.7796677350997925, acc = 0.7412109375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.8241857290267944, acc = 0.7236328125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.8557875752449036, acc = 0.705078125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.8550510406494141, acc = 0.712890625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.8985072374343872, acc = 0.7236328125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.7318676710128784, acc = 0.7568359375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.7146493792533875, acc = 0.765625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.7955368161201477, acc = 0.7421875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.7941892147064209, acc = 0.7333984375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.80256187915802, acc = 0.736328125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.7432276010513306, acc = 0.7578125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.7821480631828308, acc = 0.748046875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.8422814011573792, acc = 0.7109375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.8596521019935608, acc = 0.7197265625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.8523901104927063, acc = 0.7294921875

Epoch 29/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 1.0006147623062134, acc = 0.6943359375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.9195502996444702, acc = 0.708984375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.8375548720359802, acc = 0.7265625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.8305373787879944, acc = 0.7451171875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.8857876062393188, acc = 0.712890625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.8713358044624329, acc = 0.7080078125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.8751817941665649, acc = 0.7119140625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.8045939207077026, acc = 0.7392578125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.7622421979904175, acc = 0.7578125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.7313269376754761, acc = 0.7626953125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.8559941649436951, acc = 0.7001953125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.8061480522155762, acc = 0.7265625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.7900838851928711, acc = 0.7392578125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.763950765132904, acc = 0.751953125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.7685338258743286, acc = 0.7509765625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.8382652997970581, acc = 0.7294921875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.8064077496528625, acc = 0.7333984375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.8384361267089844, acc = 0.740234375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.7320692539215088, acc = 0.7626953125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.7719226479530334, acc = 0.7431640625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.8918101191520691, acc = 0.69921875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.7586907148361206, acc = 0.7373046875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.7720211744308472, acc = 0.7236328125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.7452162504196167, acc = 0.7421875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.7304776906967163, acc = 0.7734375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.7448955774307251, acc = 0.748046875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.8766568303108215, acc = 0.71484375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.8067196011543274, acc = 0.728515625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.8027749061584473, acc = 0.755859375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.7287908792495728, acc = 0.7578125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.8585701584815979, acc = 0.7265625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.9300127625465393, acc = 0.6787109375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.7446024417877197, acc = 0.7568359375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.8124844431877136, acc = 0.71875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.7898236513137817, acc = 0.7421875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.7706384658813477, acc = 0.7470703125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.7607699632644653, acc = 0.751953125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.868287980556488, acc = 0.7099609375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.8446299433708191, acc = 0.7158203125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.785040020942688, acc = 0.75
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.7091183662414551, acc = 0.7666015625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.7711204886436462, acc = 0.736328125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.8147063255310059, acc = 0.7353515625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.7188992500305176, acc = 0.759765625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.6768324375152588, acc = 0.7734375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.7546601891517639, acc = 0.7568359375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.7564167976379395, acc = 0.7587890625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.7585176229476929, acc = 0.736328125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.6795138120651245, acc = 0.775390625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.7025417685508728, acc = 0.7685546875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.7290232181549072, acc = 0.7490234375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.8226999044418335, acc = 0.7275390625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.7636436223983765, acc = 0.7529296875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.6774026155471802, acc = 0.783203125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.6829205751419067, acc = 0.794921875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.7847675681114197, acc = 0.7353515625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.8503519296646118, acc = 0.728515625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.8673210144042969, acc = 0.7109375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.62593674659729, acc = 0.80078125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.7795666456222534, acc = 0.7373046875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.7897314429283142, acc = 0.75
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.9498450756072998, acc = 0.6875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.8843609094619751, acc = 0.69921875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.6842404007911682, acc = 0.78515625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.819283127784729, acc = 0.7255859375
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.76596999168396, acc = 0.734375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.6847624182701111, acc = 0.76171875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.8085736632347107, acc = 0.73828125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.7162622213363647, acc = 0.759765625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.8556050658226013, acc = 0.7109375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.8037121295928955, acc = 0.7265625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.7208950519561768, acc = 0.7607421875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.8258528113365173, acc = 0.728515625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.8510076403617859, acc = 0.703125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.8968576788902283, acc = 0.7021484375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.823073148727417, acc = 0.732421875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.7445045709609985, acc = 0.755859375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.7637685537338257, acc = 0.748046875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.6651902198791504, acc = 0.783203125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.7296417951583862, acc = 0.744140625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.7623393535614014, acc = 0.75
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.6959196329116821, acc = 0.7734375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.7600582838058472, acc = 0.73828125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.7477644681930542, acc = 0.7548828125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.8573675155639648, acc = 0.71484375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.805426836013794, acc = 0.7314453125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.7248184084892273, acc = 0.7646484375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.8943939805030823, acc = 0.703125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.7844294309616089, acc = 0.734375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.821866512298584, acc = 0.724609375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.8283194303512573, acc = 0.7119140625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.8243410587310791, acc = 0.7265625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.6722815036773682, acc = 0.78515625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.7248502969741821, acc = 0.7734375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.7502843141555786, acc = 0.7333984375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.8269440531730652, acc = 0.7265625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.7528699636459351, acc = 0.751953125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.768034040927887, acc = 0.75
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.7778242230415344, acc = 0.732421875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.7963896989822388, acc = 0.74609375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.7842809557914734, acc = 0.74609375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.809055507183075, acc = 0.7373046875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.8174195885658264, acc = 0.7490234375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.7212340235710144, acc = 0.744140625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.7410682439804077, acc = 0.7587890625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.7791085243225098, acc = 0.7490234375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.7493155002593994, acc = 0.744140625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.786810576915741, acc = 0.7275390625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.7664986848831177, acc = 0.7333984375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.7181988954544067, acc = 0.7568359375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.887854278087616, acc = 0.7158203125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.7637218236923218, acc = 0.740234375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.7992943525314331, acc = 0.728515625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.836044430732727, acc = 0.7333984375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.839579164981842, acc = 0.7109375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.9117767810821533, acc = 0.7021484375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.7381095886230469, acc = 0.755859375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.6724773645401001, acc = 0.7783203125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.776831865310669, acc = 0.744140625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.779909074306488, acc = 0.7412109375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.7997968792915344, acc = 0.7353515625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.7311075925827026, acc = 0.7587890625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.7746152877807617, acc = 0.748046875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.8294777274131775, acc = 0.7099609375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.8470351696014404, acc = 0.7158203125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.8502771854400635, acc = 0.73046875

Epoch 30/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.9791025519371033, acc = 0.6943359375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.9268638491630554, acc = 0.708984375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.810359537601471, acc = 0.734375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.8044519424438477, acc = 0.751953125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.8674850463867188, acc = 0.712890625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.8775834441184998, acc = 0.69921875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.83853679895401, acc = 0.71484375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.7976484894752502, acc = 0.744140625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.7173835039138794, acc = 0.759765625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.7174501419067383, acc = 0.7685546875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.8230902552604675, acc = 0.724609375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.8172047734260559, acc = 0.72265625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.7793240547180176, acc = 0.7275390625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.7554583549499512, acc = 0.765625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.7392592430114746, acc = 0.7529296875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.8026564717292786, acc = 0.734375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.788133442401886, acc = 0.7548828125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.8082000017166138, acc = 0.7353515625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.7398836612701416, acc = 0.759765625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.7710660696029663, acc = 0.7607421875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.8649678826332092, acc = 0.7119140625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.7559207081794739, acc = 0.744140625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.7433874607086182, acc = 0.748046875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.7449555993080139, acc = 0.7626953125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.7023611068725586, acc = 0.767578125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.7260530591011047, acc = 0.765625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.856523334980011, acc = 0.7119140625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.768415629863739, acc = 0.7373046875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.7747277617454529, acc = 0.7470703125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.7126612663269043, acc = 0.759765625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.8500069975852966, acc = 0.7265625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.8915984630584717, acc = 0.703125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.7431746125221252, acc = 0.7392578125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.7979642152786255, acc = 0.7392578125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.8148397207260132, acc = 0.7255859375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.7564834356307983, acc = 0.7666015625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.7421723008155823, acc = 0.7724609375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.8407884836196899, acc = 0.7255859375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.8203203082084656, acc = 0.728515625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.7513902187347412, acc = 0.74609375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.7242230176925659, acc = 0.75
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.7556002140045166, acc = 0.75
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.7978722453117371, acc = 0.7314453125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.6962197422981262, acc = 0.7763671875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.6645753383636475, acc = 0.7705078125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.7310486435890198, acc = 0.748046875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.754105269908905, acc = 0.7470703125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.7325708866119385, acc = 0.7470703125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.6676238179206848, acc = 0.78125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.693572998046875, acc = 0.76953125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.7171586155891418, acc = 0.7578125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.7635268568992615, acc = 0.740234375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.7749245762825012, acc = 0.7431640625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.6678014993667603, acc = 0.78515625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.6770281791687012, acc = 0.7841796875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.7634129524230957, acc = 0.7275390625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.8336144685745239, acc = 0.7099609375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.8390763998031616, acc = 0.71484375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.6186233162879944, acc = 0.7890625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.7441591620445251, acc = 0.759765625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.7732949256896973, acc = 0.7451171875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.9320927858352661, acc = 0.6787109375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.844152569770813, acc = 0.7255859375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.6535969376564026, acc = 0.7822265625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.7940656542778015, acc = 0.734375
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.7555059790611267, acc = 0.7373046875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.7005342245101929, acc = 0.76953125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.7592090368270874, acc = 0.7451171875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.7012410759925842, acc = 0.7685546875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.8075366616249084, acc = 0.734375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.7837346196174622, acc = 0.7314453125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.7057341933250427, acc = 0.765625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.8060926795005798, acc = 0.740234375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.8124698400497437, acc = 0.7294921875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.8788925409317017, acc = 0.7060546875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.7849502563476562, acc = 0.7373046875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.7293069362640381, acc = 0.7578125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.7338263988494873, acc = 0.7705078125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.648033618927002, acc = 0.7822265625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.7077521681785583, acc = 0.7412109375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.747725248336792, acc = 0.744140625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.6856542229652405, acc = 0.7705078125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.7286925911903381, acc = 0.7568359375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.7351943254470825, acc = 0.76953125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.8424602746963501, acc = 0.70703125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.8015413284301758, acc = 0.7373046875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.7169877290725708, acc = 0.7607421875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.8711577653884888, acc = 0.7158203125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.7458348274230957, acc = 0.75
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.8280880451202393, acc = 0.7294921875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.8323673009872437, acc = 0.732421875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.7986849546432495, acc = 0.7412109375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.659105658531189, acc = 0.7958984375
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.7107623815536499, acc = 0.7685546875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.7424246668815613, acc = 0.748046875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.8153901696205139, acc = 0.7490234375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.7377092838287354, acc = 0.765625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.7612645626068115, acc = 0.7490234375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.7797793745994568, acc = 0.73828125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.7819797992706299, acc = 0.732421875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.7574625611305237, acc = 0.74609375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.7918996214866638, acc = 0.734375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.7699984312057495, acc = 0.7490234375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.6818585395812988, acc = 0.7685546875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.726283609867096, acc = 0.779296875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.7648301720619202, acc = 0.75390625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.7499918937683105, acc = 0.7587890625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.7530723214149475, acc = 0.7548828125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.7499249577522278, acc = 0.7470703125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.7007840871810913, acc = 0.7666015625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.8385683298110962, acc = 0.7177734375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.7855744361877441, acc = 0.7431640625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.7934820652008057, acc = 0.7373046875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.8319022059440613, acc = 0.7353515625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.8235466480255127, acc = 0.7265625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.8635058403015137, acc = 0.71875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.7056978344917297, acc = 0.763671875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.677726686000824, acc = 0.7626953125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.7493955492973328, acc = 0.75
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.7740559577941895, acc = 0.7353515625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.7881425619125366, acc = 0.728515625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.7412381768226624, acc = 0.7685546875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.7916836738586426, acc = 0.7509765625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.7892361283302307, acc = 0.7412109375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.831555962562561, acc = 0.72265625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.8282420635223389, acc = 0.7373046875
Saved checkpoint to weights.30.h5

Epoch 31/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.9881383180618286, acc = 0.693359375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.8583499193191528, acc = 0.720703125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.7832000255584717, acc = 0.7548828125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.7979783415794373, acc = 0.7373046875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.8631867170333862, acc = 0.7021484375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.8557961583137512, acc = 0.7099609375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.8306838870048523, acc = 0.7275390625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.7686313986778259, acc = 0.7431640625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.7335841059684753, acc = 0.7587890625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.6970794200897217, acc = 0.771484375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.8154216408729553, acc = 0.7265625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.8034641742706299, acc = 0.7294921875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.7529430389404297, acc = 0.732421875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.7705865502357483, acc = 0.7431640625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.7208589911460876, acc = 0.7607421875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.8132520914077759, acc = 0.7333984375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.7836362719535828, acc = 0.7470703125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.8097401261329651, acc = 0.7314453125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.7297224998474121, acc = 0.7646484375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.7465904951095581, acc = 0.7490234375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.8264164924621582, acc = 0.724609375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.7484102249145508, acc = 0.7412109375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.7486813068389893, acc = 0.7548828125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.7275543212890625, acc = 0.748046875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.7224618792533875, acc = 0.7470703125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.7322756052017212, acc = 0.759765625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.8511382341384888, acc = 0.7216796875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.7610124349594116, acc = 0.7509765625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.7582711577415466, acc = 0.75390625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.7160258889198303, acc = 0.7568359375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.8238987326622009, acc = 0.7421875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.8849048614501953, acc = 0.7041015625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.7246065139770508, acc = 0.763671875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.7852990627288818, acc = 0.744140625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.7998315095901489, acc = 0.744140625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.7231599688529968, acc = 0.767578125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.7045892477035522, acc = 0.765625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.7974433898925781, acc = 0.7431640625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.7915461659431458, acc = 0.7353515625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.7330662608146667, acc = 0.7568359375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.7013624906539917, acc = 0.7734375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.711169421672821, acc = 0.76171875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.7660004496574402, acc = 0.748046875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.6911020874977112, acc = 0.783203125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.6807085275650024, acc = 0.771484375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.7217403054237366, acc = 0.7646484375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.748328447341919, acc = 0.7490234375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.7275417447090149, acc = 0.73828125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.6225895285606384, acc = 0.8076171875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.6688981056213379, acc = 0.7822265625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.7121668457984924, acc = 0.7490234375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.7875179052352905, acc = 0.724609375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.7683866024017334, acc = 0.748046875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.6750082969665527, acc = 0.7763671875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.6653827428817749, acc = 0.78515625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.7715898156166077, acc = 0.736328125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.8258100152015686, acc = 0.712890625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.8228572010993958, acc = 0.7236328125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.612062394618988, acc = 0.80078125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.7477244138717651, acc = 0.7353515625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.7551726698875427, acc = 0.7509765625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.8914408087730408, acc = 0.697265625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.8426401019096375, acc = 0.72265625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.6531707048416138, acc = 0.791015625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.8090741634368896, acc = 0.7294921875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.7366638779640198, acc = 0.74609375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.6736745834350586, acc = 0.771484375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.7726448774337769, acc = 0.7451171875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.6983243227005005, acc = 0.75390625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.798804521560669, acc = 0.732421875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.7507495284080505, acc = 0.7509765625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.678203284740448, acc = 0.77734375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.7850894927978516, acc = 0.748046875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.8080850839614868, acc = 0.7333984375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.8766418695449829, acc = 0.7060546875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.7729766368865967, acc = 0.7421875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.7001221776008606, acc = 0.7666015625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.7195594906806946, acc = 0.765625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.6560162305831909, acc = 0.78125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.6895437240600586, acc = 0.7568359375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.7160753011703491, acc = 0.7626953125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.6693702936172485, acc = 0.779296875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.7139704823493958, acc = 0.744140625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.7237412929534912, acc = 0.75390625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.84531170129776, acc = 0.7177734375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.7641476392745972, acc = 0.740234375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.6956522464752197, acc = 0.7646484375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.8342351913452148, acc = 0.728515625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.7436016798019409, acc = 0.751953125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.7818673849105835, acc = 0.73828125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.7809348702430725, acc = 0.73828125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.7648919224739075, acc = 0.7490234375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.6175781488418579, acc = 0.7978515625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.6995691061019897, acc = 0.7734375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.7288715243339539, acc = 0.7568359375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.78435218334198, acc = 0.7392578125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.7125740647315979, acc = 0.775390625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.757794976234436, acc = 0.7548828125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.7733476161956787, acc = 0.7490234375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.7793020009994507, acc = 0.7353515625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.7394320368766785, acc = 0.763671875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.7555732727050781, acc = 0.7412109375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.7832480669021606, acc = 0.7490234375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.6558593511581421, acc = 0.771484375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.704275906085968, acc = 0.7666015625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.7654726505279541, acc = 0.7490234375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.7015562057495117, acc = 0.7705078125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.7482572793960571, acc = 0.755859375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.7408101558685303, acc = 0.759765625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.6779733300209045, acc = 0.79296875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.8415735363960266, acc = 0.7314453125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.7539722919464111, acc = 0.755859375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.7870743274688721, acc = 0.72265625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.8255274891853333, acc = 0.740234375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.8071293830871582, acc = 0.734375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.8903830051422119, acc = 0.7236328125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.6872903108596802, acc = 0.7705078125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.6456465125083923, acc = 0.7861328125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.737235963344574, acc = 0.765625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.744065523147583, acc = 0.7568359375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.7981532216072083, acc = 0.7314453125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.7306649684906006, acc = 0.7646484375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.7605619430541992, acc = 0.7509765625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.8154407739639282, acc = 0.71875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.7956346273422241, acc = 0.7421875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.8126637935638428, acc = 0.748046875

Epoch 32/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.9238100051879883, acc = 0.70703125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.8954931497573853, acc = 0.73046875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.7850879430770874, acc = 0.744140625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.7734209895133972, acc = 0.7529296875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.8424876928329468, acc = 0.71484375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.8621116876602173, acc = 0.7138671875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.8056640028953552, acc = 0.736328125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.7582696676254272, acc = 0.7431640625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.7185068130493164, acc = 0.7587890625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.6674952507019043, acc = 0.791015625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.7722311019897461, acc = 0.740234375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.7595348358154297, acc = 0.7412109375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.7385100722312927, acc = 0.7626953125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.7318703532218933, acc = 0.7626953125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.7032726407051086, acc = 0.7666015625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.8033958673477173, acc = 0.73046875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.7486009001731873, acc = 0.7626953125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.7759879231452942, acc = 0.74609375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.7141292691230774, acc = 0.7666015625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.7425937652587891, acc = 0.7578125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.8261753916740417, acc = 0.7236328125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.7084578275680542, acc = 0.767578125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.7517971992492676, acc = 0.7236328125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.7008276581764221, acc = 0.759765625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.6781028509140015, acc = 0.771484375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.6911540031433105, acc = 0.7802734375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.8499050736427307, acc = 0.716796875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.7572147846221924, acc = 0.7548828125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.7372000813484192, acc = 0.76171875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.6665182113647461, acc = 0.7666015625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.795383632183075, acc = 0.748046875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.8501920700073242, acc = 0.7158203125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.7161872386932373, acc = 0.755859375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.7600170373916626, acc = 0.751953125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.7731472253799438, acc = 0.763671875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.7078537940979004, acc = 0.7822265625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.713083028793335, acc = 0.77734375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.8073747754096985, acc = 0.73828125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.7696192264556885, acc = 0.7548828125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.7290021777153015, acc = 0.759765625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.6933236122131348, acc = 0.7548828125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.714214563369751, acc = 0.7587890625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.7607662081718445, acc = 0.74609375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.6702728271484375, acc = 0.7890625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.6336975693702698, acc = 0.78125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.7031411528587341, acc = 0.7685546875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.7208513021469116, acc = 0.7626953125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.7123777270317078, acc = 0.7578125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.6301326751708984, acc = 0.7958984375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.647758960723877, acc = 0.7802734375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.6937357187271118, acc = 0.7626953125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.7578874826431274, acc = 0.7568359375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.7657707929611206, acc = 0.74609375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.6557542085647583, acc = 0.78125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.6616182327270508, acc = 0.7880859375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.744889497756958, acc = 0.7490234375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.8023041486740112, acc = 0.73828125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.7999494075775146, acc = 0.7314453125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.5945453643798828, acc = 0.806640625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.707959771156311, acc = 0.759765625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.7416773438453674, acc = 0.759765625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.8445701599121094, acc = 0.7060546875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.8092323541641235, acc = 0.73828125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.6529932022094727, acc = 0.7744140625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.7974464893341064, acc = 0.740234375
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.7574504613876343, acc = 0.7333984375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.6553688049316406, acc = 0.7841796875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.7421988248825073, acc = 0.763671875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.6846240758895874, acc = 0.7666015625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.7918068766593933, acc = 0.7333984375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.7409652471542358, acc = 0.7578125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.7074059844017029, acc = 0.7685546875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.8068091869354248, acc = 0.7451171875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.8164863586425781, acc = 0.7236328125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.8869036436080933, acc = 0.708984375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.7902570962905884, acc = 0.7275390625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.7273245453834534, acc = 0.767578125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.7381414175033569, acc = 0.7578125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.6446712017059326, acc = 0.787109375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.6849402785301208, acc = 0.74609375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.7293646931648254, acc = 0.7724609375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.6954540610313416, acc = 0.759765625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.7047028541564941, acc = 0.7685546875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.7125763297080994, acc = 0.763671875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.8251777291297913, acc = 0.720703125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.7796248197555542, acc = 0.748046875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.6699160933494568, acc = 0.779296875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.8555553555488586, acc = 0.72265625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.7241871953010559, acc = 0.7568359375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.7804247140884399, acc = 0.7451171875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.7847567796707153, acc = 0.736328125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.7531408071517944, acc = 0.7509765625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.5974873304367065, acc = 0.8095703125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.689139723777771, acc = 0.771484375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.7146393060684204, acc = 0.76171875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.8005045056343079, acc = 0.7392578125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.7092068195343018, acc = 0.7734375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.7369800209999084, acc = 0.76953125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.7341643571853638, acc = 0.7724609375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.7507745623588562, acc = 0.74609375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.7307693958282471, acc = 0.7451171875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.7634085416793823, acc = 0.748046875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.7401382327079773, acc = 0.7724609375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.6343592405319214, acc = 0.794921875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.6856954097747803, acc = 0.78515625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.7589038610458374, acc = 0.7529296875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.7350925207138062, acc = 0.7607421875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.7280961871147156, acc = 0.7470703125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.751637876033783, acc = 0.755859375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.6528149247169495, acc = 0.78125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.8332208395004272, acc = 0.7236328125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.7302743196487427, acc = 0.7607421875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.7659747004508972, acc = 0.73046875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.7993245124816895, acc = 0.7431640625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.7788711190223694, acc = 0.7294921875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.8361688256263733, acc = 0.73046875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.6882268786430359, acc = 0.7626953125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.6461282968521118, acc = 0.7744140625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.7256261706352234, acc = 0.7626953125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.7333691120147705, acc = 0.7607421875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.7393795847892761, acc = 0.7607421875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.6811175346374512, acc = 0.7734375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.7370499968528748, acc = 0.765625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.7695348262786865, acc = 0.7314453125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.7941750288009644, acc = 0.7353515625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.790912926197052, acc = 0.74609375

Epoch 33/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.9393701553344727, acc = 0.71875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.854405403137207, acc = 0.7138671875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.7654820680618286, acc = 0.7607421875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.775336742401123, acc = 0.7509765625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.826939046382904, acc = 0.7333984375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.818347156047821, acc = 0.728515625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.8110836148262024, acc = 0.728515625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.7526576519012451, acc = 0.7685546875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.6914324164390564, acc = 0.7802734375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.658733069896698, acc = 0.775390625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.7819053530693054, acc = 0.7451171875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.7559346556663513, acc = 0.74609375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.7267470955848694, acc = 0.7421875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.737054169178009, acc = 0.7490234375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.6970446705818176, acc = 0.7841796875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.7873395681381226, acc = 0.7568359375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.7519285678863525, acc = 0.7587890625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.7588539123535156, acc = 0.7578125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.7042369842529297, acc = 0.7705078125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.7333582639694214, acc = 0.75390625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.8295562267303467, acc = 0.7275390625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.709494411945343, acc = 0.75
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.7049352526664734, acc = 0.7578125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.6761463284492493, acc = 0.7705078125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.6643415093421936, acc = 0.7724609375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.6857100129127502, acc = 0.7744140625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.8360973596572876, acc = 0.7353515625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.7498731017112732, acc = 0.75
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.727527379989624, acc = 0.7666015625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.6832500696182251, acc = 0.76171875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.779918372631073, acc = 0.73828125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.83576500415802, acc = 0.7255859375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.711300253868103, acc = 0.765625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.7403683662414551, acc = 0.7529296875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.7246189117431641, acc = 0.7705078125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.6749143004417419, acc = 0.7861328125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.6762915253639221, acc = 0.783203125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.7683451175689697, acc = 0.7451171875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.7662906646728516, acc = 0.7490234375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.7207399606704712, acc = 0.7529296875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.6607630252838135, acc = 0.767578125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.6873644590377808, acc = 0.763671875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.7423623204231262, acc = 0.7666015625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.6473455429077148, acc = 0.791015625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.6229729056358337, acc = 0.7841796875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.6904705762863159, acc = 0.7783203125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.7264782190322876, acc = 0.763671875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.6787876486778259, acc = 0.7685546875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.6122199296951294, acc = 0.8017578125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.641226589679718, acc = 0.798828125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.6664513349533081, acc = 0.7666015625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.7331291437149048, acc = 0.75390625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.7245085835456848, acc = 0.7646484375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.6299749612808228, acc = 0.7958984375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.6525858044624329, acc = 0.7861328125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.7564157247543335, acc = 0.7451171875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.7961336374282837, acc = 0.73046875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.810646653175354, acc = 0.7197265625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.5922662615776062, acc = 0.8037109375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.7145166993141174, acc = 0.7587890625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.704492449760437, acc = 0.7626953125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.8544675707817078, acc = 0.7109375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.7959453463554382, acc = 0.748046875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.6512289643287659, acc = 0.76953125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.7564610838890076, acc = 0.732421875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.723971426486969, acc = 0.7451171875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.6635409593582153, acc = 0.767578125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.7341950535774231, acc = 0.7578125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.6759352684020996, acc = 0.775390625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.7695271372795105, acc = 0.7607421875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.7201928496360779, acc = 0.7587890625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.6580195426940918, acc = 0.7841796875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.7781657576560974, acc = 0.748046875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.7970710396766663, acc = 0.7373046875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.8432406187057495, acc = 0.7236328125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.7680841684341431, acc = 0.7431640625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.6961795091629028, acc = 0.76171875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.7121837735176086, acc = 0.779296875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.6459482908248901, acc = 0.77734375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.6636831760406494, acc = 0.7626953125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.7053155899047852, acc = 0.771484375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.6339893937110901, acc = 0.7822265625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.7001506686210632, acc = 0.7626953125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.699994683265686, acc = 0.765625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.8122039437294006, acc = 0.728515625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.7526252269744873, acc = 0.748046875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.6712727546691895, acc = 0.775390625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.8327455520629883, acc = 0.734375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.7189111709594727, acc = 0.7529296875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.7551990151405334, acc = 0.763671875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.7683312296867371, acc = 0.732421875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.7363913059234619, acc = 0.7705078125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.6222584843635559, acc = 0.8017578125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.6752372980117798, acc = 0.7890625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.7122740745544434, acc = 0.7666015625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.7784438133239746, acc = 0.7392578125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.6711134910583496, acc = 0.7822265625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.6858714818954468, acc = 0.7783203125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.7343368530273438, acc = 0.748046875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.7295699715614319, acc = 0.751953125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.7270581722259521, acc = 0.755859375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.7501040697097778, acc = 0.759765625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.7504303455352783, acc = 0.75
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.6223942637443542, acc = 0.7890625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.6538058519363403, acc = 0.798828125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.7421698570251465, acc = 0.759765625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.70601487159729, acc = 0.7626953125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.7109391689300537, acc = 0.7587890625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.6906964778900146, acc = 0.759765625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.6552137136459351, acc = 0.775390625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.8084914684295654, acc = 0.7294921875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.7336791157722473, acc = 0.765625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.7275327444076538, acc = 0.751953125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.7920042872428894, acc = 0.7431640625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.7734456062316895, acc = 0.740234375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.7919846773147583, acc = 0.7421875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.6719827651977539, acc = 0.77734375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.6419851779937744, acc = 0.78515625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.7139120697975159, acc = 0.7705078125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.7232692241668701, acc = 0.7568359375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.7359893918037415, acc = 0.75
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.6924830675125122, acc = 0.7724609375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.73076331615448, acc = 0.7646484375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.7570183277130127, acc = 0.7392578125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.7458719611167908, acc = 0.75390625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.8090794086456299, acc = 0.744140625

Epoch 34/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.9326261281967163, acc = 0.7041015625
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.8472030758857727, acc = 0.7314453125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.7535807490348816, acc = 0.7529296875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.7308565378189087, acc = 0.765625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.805317759513855, acc = 0.73828125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.7902880907058716, acc = 0.7333984375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.7999771237373352, acc = 0.732421875
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.7532587051391602, acc = 0.7587890625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.6893834471702576, acc = 0.77734375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.6417971849441528, acc = 0.783203125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.7487265467643738, acc = 0.744140625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.7397152185440063, acc = 0.7431640625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.6915806531906128, acc = 0.7607421875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.6860507130622864, acc = 0.7841796875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.6948695778846741, acc = 0.7705078125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.7610702514648438, acc = 0.74609375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.745538592338562, acc = 0.75390625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.7695401906967163, acc = 0.748046875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.6757343411445618, acc = 0.783203125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.722706139087677, acc = 0.7548828125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.7861325740814209, acc = 0.7412109375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.7000751495361328, acc = 0.76171875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.6791108846664429, acc = 0.7763671875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.6804002523422241, acc = 0.7705078125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.6583245396614075, acc = 0.7734375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.6576245427131653, acc = 0.791015625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.789616048336029, acc = 0.744140625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.6872491240501404, acc = 0.7744140625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.7372437715530396, acc = 0.7568359375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.661074161529541, acc = 0.7763671875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.7783551216125488, acc = 0.7548828125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.7905649542808533, acc = 0.7265625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.6794044971466064, acc = 0.78125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.7557021975517273, acc = 0.751953125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.7367372512817383, acc = 0.7734375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.6887269616127014, acc = 0.7822265625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.6652780771255493, acc = 0.796875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.7161566019058228, acc = 0.7626953125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.7027624845504761, acc = 0.7724609375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.7000402808189392, acc = 0.775390625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.6392790079116821, acc = 0.779296875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.6803021430969238, acc = 0.76953125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.7149579524993896, acc = 0.7646484375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.6113576889038086, acc = 0.8056640625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.6246468424797058, acc = 0.79296875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.6675795316696167, acc = 0.783203125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.6870968341827393, acc = 0.7646484375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.6555432081222534, acc = 0.7763671875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.6060040593147278, acc = 0.8017578125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.6330407857894897, acc = 0.79296875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.6534491181373596, acc = 0.77734375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.7200314998626709, acc = 0.7509765625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.6838794946670532, acc = 0.7861328125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.5995832681655884, acc = 0.8017578125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.5997636318206787, acc = 0.806640625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.7102267742156982, acc = 0.7587890625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.7847661375999451, acc = 0.7294921875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.7806447744369507, acc = 0.7333984375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.5693849325180054, acc = 0.81640625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.7002130150794983, acc = 0.7626953125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.7040838599205017, acc = 0.76171875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.8369229435920715, acc = 0.7119140625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.7713297605514526, acc = 0.7392578125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.6393694281578064, acc = 0.787109375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.7335518002510071, acc = 0.7509765625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.7243443131446838, acc = 0.751953125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.6399890184402466, acc = 0.787109375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.7166217565536499, acc = 0.7763671875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.6734024286270142, acc = 0.7724609375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.776105523109436, acc = 0.736328125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.7235722541809082, acc = 0.7626953125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.6346448659896851, acc = 0.7998046875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.758500337600708, acc = 0.7373046875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.7679125070571899, acc = 0.7451171875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.8222512602806091, acc = 0.724609375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.7124358415603638, acc = 0.7548828125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.6792473793029785, acc = 0.7685546875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.7058007121086121, acc = 0.78125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.6377382874488831, acc = 0.7841796875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.6863047480583191, acc = 0.765625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.7058027386665344, acc = 0.7666015625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.6251393556594849, acc = 0.7958984375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.6710754632949829, acc = 0.78515625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.6766464114189148, acc = 0.7626953125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.8015729784965515, acc = 0.73046875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.7153726816177368, acc = 0.7626953125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.649817168712616, acc = 0.7861328125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.8158627152442932, acc = 0.7333984375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.7027093768119812, acc = 0.7607421875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.7493867874145508, acc = 0.7490234375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.7899470329284668, acc = 0.744140625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.7270787358283997, acc = 0.7587890625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.5870121121406555, acc = 0.810546875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.6574172973632812, acc = 0.7880859375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.6817989945411682, acc = 0.775390625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.7539399266242981, acc = 0.748046875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.6661756038665771, acc = 0.7841796875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.6893330812454224, acc = 0.7724609375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.7098284363746643, acc = 0.76171875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.7184219360351562, acc = 0.759765625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.7010879516601562, acc = 0.765625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.7238604426383972, acc = 0.763671875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.7306368947029114, acc = 0.7666015625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.6346842050552368, acc = 0.791015625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.6579698324203491, acc = 0.791015625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.7335242033004761, acc = 0.7587890625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.6858152747154236, acc = 0.765625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.6836016178131104, acc = 0.7705078125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.7122002840042114, acc = 0.7587890625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.6237148642539978, acc = 0.787109375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.7727431654930115, acc = 0.7470703125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.7095081806182861, acc = 0.763671875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.7206428050994873, acc = 0.7509765625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.7345680594444275, acc = 0.765625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.7437443137168884, acc = 0.7451171875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.7834546566009521, acc = 0.7451171875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.6572319269180298, acc = 0.7724609375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.6282091736793518, acc = 0.787109375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.7148750424385071, acc = 0.7509765625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.7088462114334106, acc = 0.7607421875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.7211383581161499, acc = 0.7646484375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.6579642295837402, acc = 0.7783203125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.707816481590271, acc = 0.771484375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.762405276298523, acc = 0.7431640625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.7512859106063843, acc = 0.75
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.7845359444618225, acc = 0.7509765625

Epoch 35/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.8894327878952026, acc = 0.7158203125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.8437014222145081, acc = 0.7314453125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.7111530900001526, acc = 0.76953125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.7511153221130371, acc = 0.7607421875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.8172418475151062, acc = 0.7412109375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.7602757215499878, acc = 0.748046875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.7539440989494324, acc = 0.751953125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.7243679761886597, acc = 0.775390625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.6822075843811035, acc = 0.767578125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.6117465496063232, acc = 0.7939453125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.7333441972732544, acc = 0.7431640625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.7407399415969849, acc = 0.7431640625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.7141374945640564, acc = 0.7626953125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.697510302066803, acc = 0.7587890625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.6707229018211365, acc = 0.783203125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.7567138075828552, acc = 0.755859375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.6946839094161987, acc = 0.7734375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.7142503261566162, acc = 0.767578125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.6568992137908936, acc = 0.783203125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.7113995552062988, acc = 0.76171875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.7869303226470947, acc = 0.732421875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.687821626663208, acc = 0.7783203125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.7086666226387024, acc = 0.7587890625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.6724421977996826, acc = 0.7685546875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.6268395185470581, acc = 0.7890625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.6562167406082153, acc = 0.78515625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.8026341795921326, acc = 0.7421875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.7116100788116455, acc = 0.763671875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.6897844076156616, acc = 0.767578125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.635332465171814, acc = 0.7822265625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.7613686323165894, acc = 0.7548828125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.7591254711151123, acc = 0.751953125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.6557697057723999, acc = 0.7783203125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.732576310634613, acc = 0.7646484375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.7262873649597168, acc = 0.767578125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.6311371326446533, acc = 0.8125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.6435238122940063, acc = 0.7890625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.7437028884887695, acc = 0.748046875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.7166992425918579, acc = 0.75390625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.6836193203926086, acc = 0.7822265625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.6288166046142578, acc = 0.8037109375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.6557547450065613, acc = 0.771484375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.7057065963745117, acc = 0.755859375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.6129146814346313, acc = 0.8056640625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.5926965475082397, acc = 0.8017578125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.6612510085105896, acc = 0.771484375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.6779307126998901, acc = 0.77734375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.6790345907211304, acc = 0.7724609375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.5836284756660461, acc = 0.8076171875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.6137624382972717, acc = 0.798828125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.6454532742500305, acc = 0.765625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.7113900184631348, acc = 0.767578125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.6972150802612305, acc = 0.7685546875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.621859073638916, acc = 0.810546875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.607270359992981, acc = 0.80078125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.7233274579048157, acc = 0.748046875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.7628182172775269, acc = 0.7451171875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.7537811994552612, acc = 0.7509765625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.5727218389511108, acc = 0.80859375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.6765030026435852, acc = 0.78515625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.6885117292404175, acc = 0.7763671875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.8180543780326843, acc = 0.7333984375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.750087320804596, acc = 0.751953125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.5960566997528076, acc = 0.8134765625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.7257040739059448, acc = 0.7607421875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.6856938600540161, acc = 0.7763671875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.6300124526023865, acc = 0.787109375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.7126945853233337, acc = 0.7666015625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.6403110027313232, acc = 0.7841796875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.7496120929718018, acc = 0.744140625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.6886224746704102, acc = 0.7607421875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.5976216197013855, acc = 0.80859375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.7386282682418823, acc = 0.75
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.7979440689086914, acc = 0.7470703125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.8383272290229797, acc = 0.716796875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.7089388370513916, acc = 0.7626953125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.6669976115226746, acc = 0.7705078125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.6764427423477173, acc = 0.7783203125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.630865752696991, acc = 0.787109375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.6533371806144714, acc = 0.7783203125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.6949532628059387, acc = 0.76953125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.6463515758514404, acc = 0.7802734375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.6501366496086121, acc = 0.7724609375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.671164870262146, acc = 0.771484375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.7821619510650635, acc = 0.728515625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.7105912566184998, acc = 0.755859375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.6172370910644531, acc = 0.796875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.7953888773918152, acc = 0.7529296875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.7115262746810913, acc = 0.751953125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.7156758308410645, acc = 0.7705078125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.7644999027252197, acc = 0.736328125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.7365782260894775, acc = 0.755859375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.5612110495567322, acc = 0.8251953125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.6487636566162109, acc = 0.783203125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.6702373623847961, acc = 0.787109375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.7566859126091003, acc = 0.751953125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.6548226475715637, acc = 0.78125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.6999598741531372, acc = 0.7685546875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.6994078159332275, acc = 0.7626953125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.7013894319534302, acc = 0.7705078125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.6788507699966431, acc = 0.783203125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.7134437561035156, acc = 0.7666015625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.6892629265785217, acc = 0.7724609375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.6104869842529297, acc = 0.7919921875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.6481901407241821, acc = 0.79296875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.7204383611679077, acc = 0.76171875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.6657869815826416, acc = 0.7666015625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.6701145768165588, acc = 0.7646484375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.6861619353294373, acc = 0.7705078125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.6332839727401733, acc = 0.7841796875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.782208263874054, acc = 0.740234375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.6858592629432678, acc = 0.7841796875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.6963678598403931, acc = 0.7529296875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.7353761196136475, acc = 0.763671875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.727851927280426, acc = 0.7734375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.7844107747077942, acc = 0.74609375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.6220693588256836, acc = 0.787109375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.599635899066925, acc = 0.7880859375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.6607996225357056, acc = 0.779296875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.6758151054382324, acc = 0.7685546875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.7085323333740234, acc = 0.765625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.6373372673988342, acc = 0.787109375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.697207510471344, acc = 0.7724609375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.743016242980957, acc = 0.76171875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.7340283989906311, acc = 0.7568359375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.7359064221382141, acc = 0.75390625

Epoch 36/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.8771193623542786, acc = 0.7236328125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.8204431533813477, acc = 0.716796875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.7373135685920715, acc = 0.7578125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.702465832233429, acc = 0.7744140625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.7824786901473999, acc = 0.744140625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.7636903524398804, acc = 0.7587890625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.726283609867096, acc = 0.7626953125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.6942533850669861, acc = 0.7744140625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.6539421081542969, acc = 0.783203125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.639065682888031, acc = 0.77734375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.7151325941085815, acc = 0.76171875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.7053792476654053, acc = 0.755859375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.6666378378868103, acc = 0.7724609375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.6856341361999512, acc = 0.7666015625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.6778844594955444, acc = 0.779296875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.7392405271530151, acc = 0.7568359375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.679631769657135, acc = 0.7783203125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.7205618619918823, acc = 0.751953125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.6461248397827148, acc = 0.796875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.6732728481292725, acc = 0.775390625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.7654808759689331, acc = 0.734375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.6692102551460266, acc = 0.7763671875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.7041628956794739, acc = 0.7626953125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.6498067378997803, acc = 0.7802734375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.6305893659591675, acc = 0.779296875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.6563231945037842, acc = 0.79296875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.7883564233779907, acc = 0.748046875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.7109475135803223, acc = 0.7685546875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.7105075716972351, acc = 0.767578125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.6259276866912842, acc = 0.802734375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.7318423986434937, acc = 0.7646484375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.7897312641143799, acc = 0.7373046875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.6551414728164673, acc = 0.791015625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.7161194086074829, acc = 0.7568359375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.7206855416297913, acc = 0.7802734375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.6324739456176758, acc = 0.7978515625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.6231307983398438, acc = 0.802734375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.7243858575820923, acc = 0.7734375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.7018680572509766, acc = 0.7783203125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.6631720066070557, acc = 0.7890625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.6274334192276001, acc = 0.7880859375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.6249076724052429, acc = 0.7822265625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.6799429655075073, acc = 0.7724609375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.6220341920852661, acc = 0.796875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.573676586151123, acc = 0.810546875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.6689447164535522, acc = 0.7763671875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.6707131862640381, acc = 0.78515625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.634784460067749, acc = 0.798828125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.5540282130241394, acc = 0.8203125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.5946962237358093, acc = 0.8193359375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.6246923804283142, acc = 0.78125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.6823831796646118, acc = 0.779296875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.6753601431846619, acc = 0.7880859375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.5640976428985596, acc = 0.796875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.5692840814590454, acc = 0.8212890625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.700150728225708, acc = 0.767578125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.7301167845726013, acc = 0.76171875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.7523306608200073, acc = 0.7509765625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.5377734303474426, acc = 0.822265625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.6485731601715088, acc = 0.7783203125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.6650882959365845, acc = 0.7861328125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.8058739304542542, acc = 0.7236328125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.7355534434318542, acc = 0.751953125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.5896900296211243, acc = 0.806640625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.7303400635719299, acc = 0.7587890625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.6516201496124268, acc = 0.779296875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.6137228608131409, acc = 0.791015625
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.6708933115005493, acc = 0.7734375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.5905489325523376, acc = 0.8056640625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.7482160925865173, acc = 0.75
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.685550332069397, acc = 0.7646484375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.6074356436729431, acc = 0.80859375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.7149839401245117, acc = 0.7490234375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.7801945209503174, acc = 0.755859375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.8108971118927002, acc = 0.7255859375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.7048000693321228, acc = 0.767578125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.6676614284515381, acc = 0.7763671875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.669956386089325, acc = 0.763671875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.6006079912185669, acc = 0.7900390625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.6416580080986023, acc = 0.78125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.6892043948173523, acc = 0.767578125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.6521943211555481, acc = 0.78515625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.6507042646408081, acc = 0.7841796875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.6385710835456848, acc = 0.77734375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.757247805595398, acc = 0.7353515625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.6958702206611633, acc = 0.7705078125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.6393366456031799, acc = 0.7783203125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.7659751176834106, acc = 0.75390625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.6932947635650635, acc = 0.775390625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.6986266374588013, acc = 0.7607421875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.7225033044815063, acc = 0.751953125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.7263709902763367, acc = 0.7548828125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.5577328205108643, acc = 0.8212890625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.6263128519058228, acc = 0.796875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.6901766061782837, acc = 0.7685546875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.7602976560592651, acc = 0.7470703125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.6609847545623779, acc = 0.7763671875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.6721629500389099, acc = 0.7744140625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.7151381373405457, acc = 0.7529296875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.6821134090423584, acc = 0.7529296875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.6988358497619629, acc = 0.783203125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.6938285231590271, acc = 0.76171875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.6758916974067688, acc = 0.779296875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.5945348739624023, acc = 0.79296875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.6253450512886047, acc = 0.794921875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.6747791171073914, acc = 0.775390625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.6448134183883667, acc = 0.759765625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.6604744791984558, acc = 0.7724609375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.687816858291626, acc = 0.763671875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.6027925610542297, acc = 0.794921875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.7535680532455444, acc = 0.7421875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.673797607421875, acc = 0.7744140625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.7052486538887024, acc = 0.755859375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.7075596451759338, acc = 0.7744140625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.6919230818748474, acc = 0.76171875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.7429421544075012, acc = 0.755859375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.5993894338607788, acc = 0.802734375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.5982677936553955, acc = 0.8056640625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.665057897567749, acc = 0.77734375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.6723961234092712, acc = 0.76171875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.6960246562957764, acc = 0.7666015625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.6290500164031982, acc = 0.7958984375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.6734341382980347, acc = 0.77734375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.7081994414329529, acc = 0.7607421875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.7258452773094177, acc = 0.7607421875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.7229958772659302, acc = 0.765625

Epoch 37/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.8658742904663086, acc = 0.7392578125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.7944931387901306, acc = 0.748046875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.7084169387817383, acc = 0.78515625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.6840702891349792, acc = 0.7919921875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.7531300783157349, acc = 0.75
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.7617765069007874, acc = 0.755859375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.7142125368118286, acc = 0.763671875
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.7032039165496826, acc = 0.7705078125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.6402597427368164, acc = 0.8017578125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.614446222782135, acc = 0.7880859375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.7172263860702515, acc = 0.751953125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.6826881170272827, acc = 0.7685546875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.6352629661560059, acc = 0.7919921875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.6821261644363403, acc = 0.7763671875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.6680992841720581, acc = 0.779296875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.6994860172271729, acc = 0.7724609375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.6658315658569336, acc = 0.787109375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.6860833168029785, acc = 0.77734375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.6485541462898254, acc = 0.7861328125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.6755830645561218, acc = 0.76953125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.7553210854530334, acc = 0.744140625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.6631445288658142, acc = 0.76953125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.6787592768669128, acc = 0.7646484375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.6480323076248169, acc = 0.783203125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.6073553562164307, acc = 0.79296875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.6416237950325012, acc = 0.7939453125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.7663083076477051, acc = 0.748046875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.6901986002922058, acc = 0.7724609375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.6815149188041687, acc = 0.771484375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.6318662762641907, acc = 0.77734375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.7464091181755066, acc = 0.7685546875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.7827785015106201, acc = 0.72265625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.6268664598464966, acc = 0.7958984375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.6944043040275574, acc = 0.7607421875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.710788369178772, acc = 0.7734375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.6260238289833069, acc = 0.787109375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.635922908782959, acc = 0.7958984375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.7254940271377563, acc = 0.7607421875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.6992156505584717, acc = 0.7578125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.6506527662277222, acc = 0.7880859375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.6074164509773254, acc = 0.7939453125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.6417396068572998, acc = 0.7880859375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.6770679950714111, acc = 0.7822265625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.6004049777984619, acc = 0.796875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.5810725092887878, acc = 0.8076171875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.640113890171051, acc = 0.7783203125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.6778956055641174, acc = 0.7705078125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.6427838802337646, acc = 0.7890625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.565961480140686, acc = 0.8115234375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.57979416847229, acc = 0.79296875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.6062488555908203, acc = 0.79296875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.6626853942871094, acc = 0.787109375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.6398196220397949, acc = 0.7958984375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.5453425645828247, acc = 0.8251953125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.6048157215118408, acc = 0.8017578125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.6997613310813904, acc = 0.7578125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.7134578227996826, acc = 0.7587890625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.7119507789611816, acc = 0.7490234375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.5273552536964417, acc = 0.8193359375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.6355573534965515, acc = 0.798828125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.6334525346755981, acc = 0.791015625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.7486114501953125, acc = 0.751953125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.6976733207702637, acc = 0.7734375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.5978967547416687, acc = 0.7958984375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.6888231635093689, acc = 0.78125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.6617081761360168, acc = 0.765625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.6208134293556213, acc = 0.7880859375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.6665574312210083, acc = 0.7705078125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.5912553668022156, acc = 0.8046875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.7116619944572449, acc = 0.76171875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.6443291902542114, acc = 0.7783203125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.5768215656280518, acc = 0.798828125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.6995135545730591, acc = 0.7734375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.7078471183776855, acc = 0.7744140625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.7984194755554199, acc = 0.736328125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.6996913552284241, acc = 0.76953125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.6631004810333252, acc = 0.7734375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.6742991209030151, acc = 0.7890625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.5881683826446533, acc = 0.7958984375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.6245778799057007, acc = 0.7783203125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.680895984172821, acc = 0.7841796875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.6209316253662109, acc = 0.7919921875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.6457056999206543, acc = 0.7880859375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.6595132946968079, acc = 0.7841796875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.7909234166145325, acc = 0.7265625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.722212553024292, acc = 0.7509765625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.6330528855323792, acc = 0.7841796875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.7753429412841797, acc = 0.748046875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.691551685333252, acc = 0.7861328125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.6860129833221436, acc = 0.78515625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.7144862413406372, acc = 0.7548828125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.7077583074569702, acc = 0.7578125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.5776193141937256, acc = 0.8037109375
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.644641637802124, acc = 0.78515625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.6533694267272949, acc = 0.775390625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.7260531187057495, acc = 0.74609375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.6284146308898926, acc = 0.7958984375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.6433695554733276, acc = 0.7890625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.7232173681259155, acc = 0.755859375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.6964773535728455, acc = 0.7744140625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.6792239546775818, acc = 0.767578125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.6821461319923401, acc = 0.79296875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.6579074263572693, acc = 0.7822265625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.5959625840187073, acc = 0.7890625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.602959930896759, acc = 0.7890625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.6623741388320923, acc = 0.7880859375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.6238089203834534, acc = 0.7861328125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.6362588405609131, acc = 0.7890625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.6467047333717346, acc = 0.7900390625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.604896068572998, acc = 0.80078125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.7460760474205017, acc = 0.7490234375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.6831918358802795, acc = 0.7705078125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.6849625110626221, acc = 0.7724609375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.6994479298591614, acc = 0.7587890625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.7025180459022522, acc = 0.7724609375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.7635768055915833, acc = 0.7529296875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.6153740882873535, acc = 0.7919921875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.575839102268219, acc = 0.8212890625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.6567026376724243, acc = 0.78125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.6544587016105652, acc = 0.78125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.6634303331375122, acc = 0.779296875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.6390008926391602, acc = 0.7900390625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.6829271912574768, acc = 0.7861328125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.7009040117263794, acc = 0.7587890625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.7198187708854675, acc = 0.7626953125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.7018754482269287, acc = 0.7734375

Epoch 38/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.8604894280433655, acc = 0.7216796875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.7835819125175476, acc = 0.740234375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.7137100100517273, acc = 0.7734375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.677366316318512, acc = 0.7861328125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.7510773539543152, acc = 0.759765625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.717810869216919, acc = 0.765625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.7071669101715088, acc = 0.7822265625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.6946269273757935, acc = 0.77734375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.6174055933952332, acc = 0.796875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.6011644601821899, acc = 0.794921875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.6934081315994263, acc = 0.7802734375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.6810020804405212, acc = 0.76171875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.6381924748420715, acc = 0.78515625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.6594703197479248, acc = 0.78125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.6383536458015442, acc = 0.7978515625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.6918686032295227, acc = 0.775390625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.6564053893089294, acc = 0.79296875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.6841127276420593, acc = 0.78515625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.6413785219192505, acc = 0.7880859375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.676925539970398, acc = 0.765625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.7376785278320312, acc = 0.74609375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.6425037980079651, acc = 0.7919921875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.6606998443603516, acc = 0.763671875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.6434317231178284, acc = 0.79296875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.6009334325790405, acc = 0.7841796875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.627832293510437, acc = 0.791015625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.7141586542129517, acc = 0.7626953125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.6828690767288208, acc = 0.7802734375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.6892930865287781, acc = 0.771484375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.6167818307876587, acc = 0.79296875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.7274745106697083, acc = 0.76953125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.7506598830223083, acc = 0.7568359375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.6411787867546082, acc = 0.7734375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.6776094436645508, acc = 0.771484375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.6902179718017578, acc = 0.7626953125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.5972409844398499, acc = 0.80078125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.6162188053131104, acc = 0.8017578125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.7040691375732422, acc = 0.7685546875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.6887438297271729, acc = 0.7724609375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.6523478031158447, acc = 0.787109375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.5781703591346741, acc = 0.7978515625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.6305990219116211, acc = 0.794921875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.6435559391975403, acc = 0.787109375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.5936440229415894, acc = 0.794921875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.5600618124008179, acc = 0.8134765625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.6141197085380554, acc = 0.791015625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.63824063539505, acc = 0.775390625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.6340316534042358, acc = 0.7783203125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.5809144377708435, acc = 0.8017578125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.5554134249687195, acc = 0.8251953125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.5917680263519287, acc = 0.798828125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.6729168891906738, acc = 0.787109375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.6169748306274414, acc = 0.7861328125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.5342786312103271, acc = 0.8203125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.5782200694084167, acc = 0.8154296875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.6708429455757141, acc = 0.7802734375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.7096402049064636, acc = 0.7568359375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.7022883296012878, acc = 0.7529296875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.5045802593231201, acc = 0.8408203125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.6380261182785034, acc = 0.7880859375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.618779718875885, acc = 0.8017578125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.7641690373420715, acc = 0.7412109375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.6649059057235718, acc = 0.7802734375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.5889597535133362, acc = 0.810546875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.6770884990692139, acc = 0.7783203125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.6421904563903809, acc = 0.775390625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.6064775586128235, acc = 0.7900390625
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.6476093530654907, acc = 0.7783203125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.5616214275360107, acc = 0.8203125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.6877031326293945, acc = 0.7705078125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.6589799523353577, acc = 0.7783203125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.589017391204834, acc = 0.806640625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.6880339980125427, acc = 0.7763671875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.67290860414505, acc = 0.7763671875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.7478611469268799, acc = 0.76171875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.6988088488578796, acc = 0.7587890625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.6356387138366699, acc = 0.77734375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.6363884210586548, acc = 0.791015625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.5966691374778748, acc = 0.79296875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.6349029541015625, acc = 0.7861328125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.6756643056869507, acc = 0.783203125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.6332377195358276, acc = 0.791015625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.6239436268806458, acc = 0.7939453125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.6262316703796387, acc = 0.7783203125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.7333990931510925, acc = 0.744140625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.679599404335022, acc = 0.767578125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.6258502006530762, acc = 0.7890625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.7223581075668335, acc = 0.763671875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.6604576110839844, acc = 0.78125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.6887565851211548, acc = 0.7646484375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.7017411589622498, acc = 0.767578125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.6613615155220032, acc = 0.779296875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.5182870626449585, acc = 0.826171875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.6130214929580688, acc = 0.8037109375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.6384616494178772, acc = 0.76953125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.7302173376083374, acc = 0.7490234375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.6356872320175171, acc = 0.7900390625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.6342766880989075, acc = 0.796875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.6623157262802124, acc = 0.779296875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.6683815717697144, acc = 0.7734375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.6334379315376282, acc = 0.7861328125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.6882487535476685, acc = 0.7890625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.6825978755950928, acc = 0.7724609375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.5521113872528076, acc = 0.7998046875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.5671992301940918, acc = 0.810546875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.6308249831199646, acc = 0.791015625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.6312028765678406, acc = 0.7880859375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.6359770894050598, acc = 0.794921875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.6227636337280273, acc = 0.8076171875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.5844039916992188, acc = 0.8154296875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.7218454480171204, acc = 0.7666015625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.6562138199806213, acc = 0.7890625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.681681752204895, acc = 0.763671875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.681174635887146, acc = 0.771484375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.6869273781776428, acc = 0.779296875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.7201699614524841, acc = 0.751953125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.5858852863311768, acc = 0.8134765625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.5604711771011353, acc = 0.80859375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.6356946229934692, acc = 0.8017578125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.6438394784927368, acc = 0.7802734375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.6840649843215942, acc = 0.7763671875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.5904649496078491, acc = 0.7978515625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.6530551910400391, acc = 0.7822265625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.692091703414917, acc = 0.7666015625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.688525915145874, acc = 0.775390625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.6837761402130127, acc = 0.7822265625

Epoch 39/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.8280476927757263, acc = 0.7421875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.7736455798149109, acc = 0.7626953125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.671471893787384, acc = 0.78515625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.662553608417511, acc = 0.7822265625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.7365734577178955, acc = 0.7646484375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.7122417688369751, acc = 0.759765625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.7029784321784973, acc = 0.771484375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.6497199535369873, acc = 0.7861328125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.6359602212905884, acc = 0.791015625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.572709858417511, acc = 0.8076171875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.7016445994377136, acc = 0.7529296875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.6774831414222717, acc = 0.765625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.6246324181556702, acc = 0.7783203125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.6257093548774719, acc = 0.798828125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.5902069807052612, acc = 0.8056640625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.700212836265564, acc = 0.7763671875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.6502999067306519, acc = 0.78515625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.6837438344955444, acc = 0.775390625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.6345871686935425, acc = 0.7998046875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.6693978905677795, acc = 0.7744140625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.6867907047271729, acc = 0.75390625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.6108077168464661, acc = 0.7919921875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.6525980234146118, acc = 0.7685546875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.6196621060371399, acc = 0.7919921875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.5898562669754028, acc = 0.7958984375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.6165117621421814, acc = 0.802734375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.7551462650299072, acc = 0.75
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.645643949508667, acc = 0.779296875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.640108585357666, acc = 0.7900390625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.5946539044380188, acc = 0.794921875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.703385055065155, acc = 0.7822265625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.7271639704704285, acc = 0.7705078125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.6166810989379883, acc = 0.7978515625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.664874255657196, acc = 0.779296875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.6623536944389343, acc = 0.783203125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.5881640315055847, acc = 0.8154296875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.5804901123046875, acc = 0.810546875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.6759517192840576, acc = 0.779296875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.6737511157989502, acc = 0.79296875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.6175005435943604, acc = 0.794921875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.5927793979644775, acc = 0.8017578125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.6287194490432739, acc = 0.7939453125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.6486809253692627, acc = 0.7841796875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.5638972520828247, acc = 0.8115234375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.550589919090271, acc = 0.8193359375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.5833961963653564, acc = 0.80859375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.6476204991340637, acc = 0.7900390625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.5908341407775879, acc = 0.8046875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.5557169318199158, acc = 0.8115234375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.5575283169746399, acc = 0.8203125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.5902940034866333, acc = 0.7861328125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.6785796284675598, acc = 0.7705078125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.5992505550384521, acc = 0.814453125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.5146957635879517, acc = 0.83203125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.5506373047828674, acc = 0.8193359375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.6390313506126404, acc = 0.78125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.6875649690628052, acc = 0.75390625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.7041859030723572, acc = 0.7568359375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.515903890132904, acc = 0.82421875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.6330989599227905, acc = 0.783203125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.5986190438270569, acc = 0.8017578125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.7554002404212952, acc = 0.7333984375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.6619131565093994, acc = 0.78515625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.5575668215751648, acc = 0.8212890625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.6920298337936401, acc = 0.7548828125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.6471947431564331, acc = 0.7705078125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.5866360068321228, acc = 0.806640625
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.6458536386489868, acc = 0.7763671875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.5581178069114685, acc = 0.818359375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.6682289242744446, acc = 0.78125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.6483186483383179, acc = 0.798828125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.5491256713867188, acc = 0.818359375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.6465028524398804, acc = 0.7890625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.6927611827850342, acc = 0.7724609375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.7536728382110596, acc = 0.7451171875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.642456591129303, acc = 0.7763671875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.602321982383728, acc = 0.7939453125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.6287130117416382, acc = 0.7841796875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.5920162796974182, acc = 0.7978515625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.5988042950630188, acc = 0.7939453125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.6415148973464966, acc = 0.7890625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.5830143690109253, acc = 0.8134765625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.6277618408203125, acc = 0.78515625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.6017283201217651, acc = 0.796875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.723121702671051, acc = 0.759765625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.6322901248931885, acc = 0.791015625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.5763216614723206, acc = 0.802734375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.737326443195343, acc = 0.7646484375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.6172290444374084, acc = 0.8037109375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.6688904166221619, acc = 0.7734375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.7046379446983337, acc = 0.767578125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.6752219796180725, acc = 0.765625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.5067904591560364, acc = 0.837890625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.5854660272598267, acc = 0.8056640625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.622565507888794, acc = 0.787109375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.7061921954154968, acc = 0.763671875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.610956072807312, acc = 0.7939453125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.6148943305015564, acc = 0.798828125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.6535406112670898, acc = 0.791015625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.6696666479110718, acc = 0.7734375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.6260875463485718, acc = 0.7880859375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.6729379296302795, acc = 0.779296875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.6799399852752686, acc = 0.7763671875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.573899507522583, acc = 0.7900390625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.5864120125770569, acc = 0.814453125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.6431810259819031, acc = 0.78125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.5972821116447449, acc = 0.802734375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.6023866534233093, acc = 0.798828125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.6493977904319763, acc = 0.7841796875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.581740140914917, acc = 0.8095703125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.703535258769989, acc = 0.7548828125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.6522241234779358, acc = 0.78515625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.6538189649581909, acc = 0.7861328125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.6751577258110046, acc = 0.7802734375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.6609615087509155, acc = 0.7822265625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.7192665338516235, acc = 0.7626953125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.5790761709213257, acc = 0.8056640625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.5513387322425842, acc = 0.8212890625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.6319540143013, acc = 0.787109375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.6236550807952881, acc = 0.7900390625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.6506502032279968, acc = 0.7880859375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.5756601095199585, acc = 0.806640625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.6417713761329651, acc = 0.78515625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.6639801263809204, acc = 0.7626953125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.7210723757743835, acc = 0.7685546875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.6963581442832947, acc = 0.7724609375

Epoch 40/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.8334187269210815, acc = 0.7236328125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.7354686856269836, acc = 0.751953125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.6575818657875061, acc = 0.7900390625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.6666812896728516, acc = 0.7890625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.7414832711219788, acc = 0.763671875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.6906430125236511, acc = 0.7783203125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.6688869595527649, acc = 0.7802734375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.661556601524353, acc = 0.7783203125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.5989072322845459, acc = 0.8125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.5931510925292969, acc = 0.79296875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.7098495960235596, acc = 0.767578125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.6511785984039307, acc = 0.78125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.6194650530815125, acc = 0.791015625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.6307384967803955, acc = 0.7919921875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.5874389410018921, acc = 0.8125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.6421902775764465, acc = 0.798828125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.6312743425369263, acc = 0.7841796875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.6693978905677795, acc = 0.7734375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.5960944890975952, acc = 0.81640625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.6460011005401611, acc = 0.7783203125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.6815752983093262, acc = 0.759765625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.6008949279785156, acc = 0.7998046875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.6324228048324585, acc = 0.7841796875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.582770049571991, acc = 0.810546875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.5647105574607849, acc = 0.8203125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.5901783108711243, acc = 0.7978515625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.7140058875083923, acc = 0.767578125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.6575549244880676, acc = 0.775390625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.6350910663604736, acc = 0.791015625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.602914035320282, acc = 0.796875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.7061408758163452, acc = 0.779296875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.7437021136283875, acc = 0.7578125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.616580605506897, acc = 0.79296875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.6690645813941956, acc = 0.77734375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.6756607890129089, acc = 0.771484375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.5716666579246521, acc = 0.8134765625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.5749017000198364, acc = 0.810546875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.6540641188621521, acc = 0.787109375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.6526904106140137, acc = 0.783203125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.608456015586853, acc = 0.791015625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.5514572262763977, acc = 0.802734375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.5961437225341797, acc = 0.796875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.6541463136672974, acc = 0.775390625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.5590994358062744, acc = 0.8193359375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.5459709167480469, acc = 0.81640625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.569496750831604, acc = 0.8271484375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.6009379625320435, acc = 0.8115234375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.5812764763832092, acc = 0.8017578125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.5447239875793457, acc = 0.81640625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.5435947179794312, acc = 0.8271484375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.6099331378936768, acc = 0.7890625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.6337743997573853, acc = 0.791015625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.603621780872345, acc = 0.8017578125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.5501930117607117, acc = 0.8173828125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.561359703540802, acc = 0.814453125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.6624302268028259, acc = 0.783203125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.6769370436668396, acc = 0.7705078125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.6718794703483582, acc = 0.765625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.49835360050201416, acc = 0.8232421875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.585802435874939, acc = 0.7998046875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.5990079641342163, acc = 0.80078125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.7061974406242371, acc = 0.75390625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.6556781530380249, acc = 0.7841796875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.579573392868042, acc = 0.80078125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.6720808148384094, acc = 0.7744140625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.637847363948822, acc = 0.7744140625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.583578884601593, acc = 0.79296875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.6291793584823608, acc = 0.798828125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.5618396401405334, acc = 0.8173828125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.6656723022460938, acc = 0.77734375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.6454680562019348, acc = 0.7900390625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.5525134205818176, acc = 0.81640625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.67332524061203, acc = 0.783203125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.6782565116882324, acc = 0.7734375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.7527272701263428, acc = 0.7421875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.6464630365371704, acc = 0.7822265625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.6146543025970459, acc = 0.7900390625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.6188957691192627, acc = 0.8056640625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.5392377376556396, acc = 0.8173828125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.600179135799408, acc = 0.7998046875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.6443336009979248, acc = 0.783203125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.6192370057106018, acc = 0.794921875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.6024916172027588, acc = 0.796875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.6002270579338074, acc = 0.80078125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.7003873586654663, acc = 0.751953125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.6375385522842407, acc = 0.7763671875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.5695534944534302, acc = 0.8173828125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.7035029530525208, acc = 0.767578125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.6241207122802734, acc = 0.80078125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.6468029022216797, acc = 0.79296875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.650134801864624, acc = 0.779296875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.6400319933891296, acc = 0.7783203125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.4965537190437317, acc = 0.841796875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.583551824092865, acc = 0.8056640625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.5954293012619019, acc = 0.8125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.6983943581581116, acc = 0.7578125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.5697950720787048, acc = 0.8134765625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.6296991109848022, acc = 0.7978515625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.6647846698760986, acc = 0.771484375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.6437039971351624, acc = 0.7822265625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.6209371089935303, acc = 0.796875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.6573875546455383, acc = 0.791015625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.6350970268249512, acc = 0.7900390625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.5612390041351318, acc = 0.81640625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.5685105919837952, acc = 0.8115234375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.6238750219345093, acc = 0.787109375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.6076029539108276, acc = 0.7890625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.6123157143592834, acc = 0.7919921875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.5906784534454346, acc = 0.8017578125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.5628353953361511, acc = 0.8271484375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.686259925365448, acc = 0.771484375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.6597410440444946, acc = 0.779296875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.6366684436798096, acc = 0.7763671875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.6697822213172913, acc = 0.79296875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.6698697805404663, acc = 0.7763671875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.6987011432647705, acc = 0.7685546875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.5535244941711426, acc = 0.814453125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.5287412405014038, acc = 0.83203125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.6255170702934265, acc = 0.8046875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.6099773645401001, acc = 0.7802734375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.6450129151344299, acc = 0.7919921875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.5705654621124268, acc = 0.80078125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.6521409153938293, acc = 0.7822265625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.6740130186080933, acc = 0.7734375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.6335852742195129, acc = 0.7783203125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.6587823033332825, acc = 0.78515625
Saved checkpoint to weights.40.h5

Epoch 41/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.7886924743652344, acc = 0.74609375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.7335975170135498, acc = 0.7705078125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.659091591835022, acc = 0.791015625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.6581869125366211, acc = 0.80078125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.7192221879959106, acc = 0.76953125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.7102048397064209, acc = 0.755859375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.6643956899642944, acc = 0.7724609375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.6517422199249268, acc = 0.7802734375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.5771651864051819, acc = 0.814453125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.5606911778450012, acc = 0.8134765625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.6663203835487366, acc = 0.7783203125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.6115902066230774, acc = 0.787109375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.5921667814254761, acc = 0.802734375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.5975940227508545, acc = 0.806640625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.605266809463501, acc = 0.791015625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.6538000106811523, acc = 0.783203125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.606107234954834, acc = 0.7958984375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.6660876274108887, acc = 0.7890625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.5912001132965088, acc = 0.8037109375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.658239483833313, acc = 0.7822265625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.6908440589904785, acc = 0.771484375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.6054696440696716, acc = 0.7978515625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.6337743401527405, acc = 0.78515625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.5784242749214172, acc = 0.80078125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.5759110450744629, acc = 0.7958984375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.5710290670394897, acc = 0.8115234375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.7086895704269409, acc = 0.771484375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.6183703541755676, acc = 0.7724609375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.6203254461288452, acc = 0.7978515625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.597909688949585, acc = 0.80078125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.686835765838623, acc = 0.775390625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.6936405301094055, acc = 0.7724609375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.5872326493263245, acc = 0.8095703125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.6351866126060486, acc = 0.7890625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.6333832144737244, acc = 0.8056640625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.5403961539268494, acc = 0.833984375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.539458155632019, acc = 0.8359375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.6423010230064392, acc = 0.796875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.617872953414917, acc = 0.7861328125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.6076507568359375, acc = 0.794921875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.5456468462944031, acc = 0.81640625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.5922254920005798, acc = 0.8193359375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.6540722846984863, acc = 0.7822265625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.5329810380935669, acc = 0.82421875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.5330872535705566, acc = 0.83203125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.5812993049621582, acc = 0.8095703125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.6250198483467102, acc = 0.7978515625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.5759935975074768, acc = 0.8017578125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.5081337690353394, acc = 0.8310546875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.5210007429122925, acc = 0.8291015625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.5784553289413452, acc = 0.8046875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.6341108679771423, acc = 0.7958984375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.5824962258338928, acc = 0.8154296875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.49383091926574707, acc = 0.828125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.5347266793251038, acc = 0.8212890625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.6156707406044006, acc = 0.7919921875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.6550531387329102, acc = 0.7744140625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.6462960243225098, acc = 0.783203125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.4998704195022583, acc = 0.82421875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.5889590978622437, acc = 0.806640625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.57884281873703, acc = 0.80078125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.7098900079727173, acc = 0.7666015625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.6364058256149292, acc = 0.7939453125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.543067216873169, acc = 0.8173828125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.6498494744300842, acc = 0.7822265625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.6141966581344604, acc = 0.7900390625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.5884520411491394, acc = 0.8095703125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.6050193309783936, acc = 0.80859375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.5530446767807007, acc = 0.830078125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.6612138748168945, acc = 0.7841796875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.6187174320220947, acc = 0.783203125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.5528620481491089, acc = 0.8271484375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.6350114345550537, acc = 0.787109375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.6703194379806519, acc = 0.77734375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.7038334012031555, acc = 0.7578125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.6507837772369385, acc = 0.7880859375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.5762660503387451, acc = 0.7890625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.6226316094398499, acc = 0.80078125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.5216898918151855, acc = 0.8232421875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.6076708436012268, acc = 0.79296875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.6360791325569153, acc = 0.796875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.5849282145500183, acc = 0.8056640625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.5866444110870361, acc = 0.7978515625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.5906871557235718, acc = 0.7890625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.7154706120491028, acc = 0.763671875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.63084876537323, acc = 0.80078125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.5656836032867432, acc = 0.8095703125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.722114622592926, acc = 0.767578125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.5968791842460632, acc = 0.8125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.6317575573921204, acc = 0.7958984375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.6270984411239624, acc = 0.7890625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.6569133996963501, acc = 0.779296875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.5107274055480957, acc = 0.8291015625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.5413194298744202, acc = 0.822265625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.5909569263458252, acc = 0.80859375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.6551023125648499, acc = 0.791015625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.5846036672592163, acc = 0.818359375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.6040700078010559, acc = 0.7939453125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.6387553811073303, acc = 0.79296875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.654759407043457, acc = 0.77734375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.6072009205818176, acc = 0.802734375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.6245551705360413, acc = 0.7939453125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.6191806793212891, acc = 0.810546875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.5603145956993103, acc = 0.8095703125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.5614153146743774, acc = 0.8154296875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.6322129964828491, acc = 0.7939453125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.5926960706710815, acc = 0.80078125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.5686407685279846, acc = 0.8134765625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.606519877910614, acc = 0.7900390625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.5765389800071716, acc = 0.806640625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.6628418564796448, acc = 0.783203125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.6276722550392151, acc = 0.7890625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.62762451171875, acc = 0.7998046875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.6546118259429932, acc = 0.7822265625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.6387011408805847, acc = 0.7861328125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.6836086511611938, acc = 0.78125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.5509282350540161, acc = 0.8173828125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.5573168992996216, acc = 0.814453125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.5929875373840332, acc = 0.8037109375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.595616340637207, acc = 0.798828125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.6377450823783875, acc = 0.787109375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.5702084898948669, acc = 0.8095703125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.6282188892364502, acc = 0.8017578125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.6342015266418457, acc = 0.791015625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.6474173069000244, acc = 0.775390625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.66523277759552, acc = 0.7890625

Epoch 42/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.7990424036979675, acc = 0.7470703125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.7318447828292847, acc = 0.7529296875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.6279839277267456, acc = 0.7919921875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.6533710360527039, acc = 0.791015625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.6767731308937073, acc = 0.791015625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.6939402222633362, acc = 0.763671875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.6323352456092834, acc = 0.779296875
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.610153317451477, acc = 0.7998046875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.5818268060684204, acc = 0.80859375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.5516418218612671, acc = 0.8193359375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.6586831212043762, acc = 0.7802734375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.6165627241134644, acc = 0.7978515625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.5859817862510681, acc = 0.7919921875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.5923160314559937, acc = 0.796875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.565629780292511, acc = 0.8056640625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.6374720335006714, acc = 0.7919921875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.6190592646598816, acc = 0.794921875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.6272870898246765, acc = 0.794921875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.5937634110450745, acc = 0.822265625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.6319618821144104, acc = 0.783203125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.6641853451728821, acc = 0.7802734375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.5811557769775391, acc = 0.7958984375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.618500828742981, acc = 0.78515625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.5950630307197571, acc = 0.7958984375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.5627607703208923, acc = 0.806640625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.5684695839881897, acc = 0.8115234375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.6811701655387878, acc = 0.767578125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.6269873976707458, acc = 0.7958984375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.6439456343650818, acc = 0.787109375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.5510085225105286, acc = 0.8173828125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.6179559230804443, acc = 0.8076171875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.6793698668479919, acc = 0.767578125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.5728476047515869, acc = 0.8076171875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.6429466009140015, acc = 0.7763671875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.6540189385414124, acc = 0.78515625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.5414522886276245, acc = 0.82421875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.549458920955658, acc = 0.826171875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.6321616172790527, acc = 0.7958984375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.6130248308181763, acc = 0.80078125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.5958358645439148, acc = 0.8076171875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.554297149181366, acc = 0.80859375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.5878028869628906, acc = 0.8017578125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.5989543795585632, acc = 0.7978515625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.5174428224563599, acc = 0.822265625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.5264413356781006, acc = 0.833984375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.5704213380813599, acc = 0.806640625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.5576702952384949, acc = 0.8193359375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.570418655872345, acc = 0.822265625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.49618273973464966, acc = 0.830078125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.518402099609375, acc = 0.8291015625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.609449028968811, acc = 0.8046875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.601757824420929, acc = 0.7958984375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.5708343386650085, acc = 0.8125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.5171698927879333, acc = 0.818359375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.533309817314148, acc = 0.8291015625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.6159193515777588, acc = 0.783203125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.6555255055427551, acc = 0.775390625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.6313208341598511, acc = 0.7734375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.49416404962539673, acc = 0.83984375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.5701969265937805, acc = 0.8115234375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.5622340440750122, acc = 0.8203125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.6614125967025757, acc = 0.7822265625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.6165751218795776, acc = 0.7880859375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.5261514186859131, acc = 0.8310546875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.6187283992767334, acc = 0.79296875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.5945038795471191, acc = 0.796875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.5573166608810425, acc = 0.7998046875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.6193414926528931, acc = 0.7958984375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.5279713869094849, acc = 0.83203125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.6300405263900757, acc = 0.806640625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.6162309050559998, acc = 0.794921875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.5220393538475037, acc = 0.818359375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.6286208629608154, acc = 0.798828125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.6523382663726807, acc = 0.77734375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.679003894329071, acc = 0.7548828125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.646998405456543, acc = 0.7763671875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.6054337620735168, acc = 0.79296875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.6312817335128784, acc = 0.78515625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.5531216859817505, acc = 0.8193359375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.5658969879150391, acc = 0.7939453125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.6285935044288635, acc = 0.7978515625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.5487541556358337, acc = 0.828125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.5642392635345459, acc = 0.7998046875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.5845474600791931, acc = 0.798828125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.6993461847305298, acc = 0.755859375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.6148802638053894, acc = 0.79296875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.545644223690033, acc = 0.81640625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.6740737557411194, acc = 0.7890625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.6080758571624756, acc = 0.7958984375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.6422579884529114, acc = 0.7880859375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.6237677335739136, acc = 0.78515625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.6199009418487549, acc = 0.7919921875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.48598480224609375, acc = 0.845703125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.5504571199417114, acc = 0.80859375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.5742174386978149, acc = 0.80859375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.6772760152816772, acc = 0.7802734375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.5706466436386108, acc = 0.8125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.5967408418655396, acc = 0.80078125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.6119700074195862, acc = 0.794921875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.6312012076377869, acc = 0.7802734375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.6273691058158875, acc = 0.78125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.6389965415000916, acc = 0.80078125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.6351670026779175, acc = 0.7919921875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.5265582799911499, acc = 0.826171875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.5357838869094849, acc = 0.8212890625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.5828507542610168, acc = 0.8193359375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.5675336122512817, acc = 0.8095703125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.5897644758224487, acc = 0.810546875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.6130900382995605, acc = 0.7890625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.5572418570518494, acc = 0.8251953125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.6707214713096619, acc = 0.791015625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.6339429020881653, acc = 0.787109375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.6208176612854004, acc = 0.787109375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.6459565162658691, acc = 0.78125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.6254085302352905, acc = 0.791015625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.6569688320159912, acc = 0.7763671875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.5537331104278564, acc = 0.8134765625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.5277912616729736, acc = 0.8251953125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.5943878889083862, acc = 0.8037109375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.5934009552001953, acc = 0.791015625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.6387079358100891, acc = 0.7890625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.5798473954200745, acc = 0.8046875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.5914454460144043, acc = 0.8076171875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.6311534643173218, acc = 0.76953125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.6218103170394897, acc = 0.796875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.6347722411155701, acc = 0.7861328125

Epoch 43/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.7690140604972839, acc = 0.7705078125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.7090116739273071, acc = 0.767578125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.6183527708053589, acc = 0.8017578125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.5968764424324036, acc = 0.81640625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.6876876950263977, acc = 0.7705078125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.6594940423965454, acc = 0.7880859375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.6352443695068359, acc = 0.7841796875
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.6128715872764587, acc = 0.791015625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.569756031036377, acc = 0.8037109375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.5178202986717224, acc = 0.826171875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.6287498474121094, acc = 0.78125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.6144968867301941, acc = 0.7890625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.5629401803016663, acc = 0.8125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.5861598253250122, acc = 0.806640625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.5627543330192566, acc = 0.8154296875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.6509305834770203, acc = 0.7861328125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.5678696632385254, acc = 0.81640625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.6352569460868835, acc = 0.7998046875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.5258743762969971, acc = 0.8310546875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.6090545654296875, acc = 0.7919921875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.6655298471450806, acc = 0.7734375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.5790924429893494, acc = 0.8037109375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.6129122376441956, acc = 0.7890625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.5675003528594971, acc = 0.796875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.5609029531478882, acc = 0.8095703125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.5813890695571899, acc = 0.80078125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.6881070733070374, acc = 0.7685546875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.6584136486053467, acc = 0.771484375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.607499361038208, acc = 0.802734375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.5425043702125549, acc = 0.822265625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.6521968841552734, acc = 0.791015625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.6667612195014954, acc = 0.78515625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.5832343697547913, acc = 0.8193359375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.6105079054832458, acc = 0.7919921875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.6455087065696716, acc = 0.78515625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.552553653717041, acc = 0.8193359375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.5204451084136963, acc = 0.8271484375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.6168588995933533, acc = 0.7998046875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.6100951433181763, acc = 0.79296875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.5920407176017761, acc = 0.8037109375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.5634388327598572, acc = 0.810546875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.567418098449707, acc = 0.8173828125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.6026859283447266, acc = 0.8056640625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.5424455404281616, acc = 0.822265625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.5072907209396362, acc = 0.84375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.5744185447692871, acc = 0.81640625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.5675422549247742, acc = 0.802734375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.5809170007705688, acc = 0.8017578125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.49416035413742065, acc = 0.8330078125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.5052738785743713, acc = 0.84375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.5743218064308167, acc = 0.8125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.5846665501594543, acc = 0.8203125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.5835355520248413, acc = 0.7919921875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.49607694149017334, acc = 0.830078125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.51090407371521, acc = 0.830078125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.6016860604286194, acc = 0.7900390625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.6146466732025146, acc = 0.794921875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.64934903383255, acc = 0.7861328125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.5014582276344299, acc = 0.8291015625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.5812869668006897, acc = 0.7998046875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.5329816937446594, acc = 0.8349609375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.6801279187202454, acc = 0.771484375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.595253586769104, acc = 0.79296875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.5464364886283875, acc = 0.8212890625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.6069584488868713, acc = 0.79296875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.5668140649795532, acc = 0.8046875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.5305680632591248, acc = 0.826171875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.6222083568572998, acc = 0.7978515625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.5546121597290039, acc = 0.8076171875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.660654604434967, acc = 0.7763671875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.5962308049201965, acc = 0.7939453125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.5328360199928284, acc = 0.826171875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.6294575929641724, acc = 0.79296875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.6234955787658691, acc = 0.8017578125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.6958727240562439, acc = 0.75390625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.6140640377998352, acc = 0.7861328125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.5833473205566406, acc = 0.798828125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.5892536640167236, acc = 0.8017578125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.5311583280563354, acc = 0.8359375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.5647286772727966, acc = 0.796875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.639267086982727, acc = 0.78125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.5527662038803101, acc = 0.81640625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.5648499727249146, acc = 0.806640625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.5716413259506226, acc = 0.822265625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.6516323685646057, acc = 0.7822265625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.5843368768692017, acc = 0.8037109375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.5478542447090149, acc = 0.810546875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.6581966876983643, acc = 0.779296875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.6167852282524109, acc = 0.796875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.6039438247680664, acc = 0.806640625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.6051350831985474, acc = 0.7861328125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.5830898880958557, acc = 0.818359375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.472765177488327, acc = 0.8486328125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.5123440623283386, acc = 0.826171875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.5885841846466064, acc = 0.7958984375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.6507731676101685, acc = 0.78125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.5575996041297913, acc = 0.82421875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.588931143283844, acc = 0.8154296875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.6259889602661133, acc = 0.798828125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.612966775894165, acc = 0.79296875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.6008914709091187, acc = 0.810546875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.6041749715805054, acc = 0.802734375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.5928691625595093, acc = 0.80859375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.5137571096420288, acc = 0.8212890625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.5548897981643677, acc = 0.8173828125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.5925713777542114, acc = 0.7958984375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.5668184757232666, acc = 0.8095703125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.5789609551429749, acc = 0.7939453125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.5684951543807983, acc = 0.8076171875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.5181766748428345, acc = 0.8271484375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.6508975625038147, acc = 0.791015625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.6161503195762634, acc = 0.8037109375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.5860797166824341, acc = 0.7958984375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.643471896648407, acc = 0.7919921875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.6092770099639893, acc = 0.802734375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.6126679182052612, acc = 0.80078125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.5296970009803772, acc = 0.8232421875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.5216085910797119, acc = 0.828125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.5900771617889404, acc = 0.8134765625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.5785224437713623, acc = 0.806640625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.6334609985351562, acc = 0.7900390625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.5289520025253296, acc = 0.8310546875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.5691937804222107, acc = 0.8232421875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.6233611106872559, acc = 0.7890625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.6396733522415161, acc = 0.78515625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.6275206804275513, acc = 0.7900390625

Epoch 44/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.7435051798820496, acc = 0.779296875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.7081243991851807, acc = 0.7685546875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.6058086156845093, acc = 0.8095703125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.6101735830307007, acc = 0.814453125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.6739165782928467, acc = 0.7822265625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.6297352910041809, acc = 0.7880859375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.6008374691009521, acc = 0.8125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.6225342750549316, acc = 0.80859375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.5851860642433167, acc = 0.802734375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.5046218037605286, acc = 0.8310546875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.6035069823265076, acc = 0.802734375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.6113671064376831, acc = 0.8056640625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.5814631581306458, acc = 0.798828125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.5832428336143494, acc = 0.7978515625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.5461328625679016, acc = 0.8232421875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.6249157786369324, acc = 0.794921875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.5913931131362915, acc = 0.80859375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.599022626876831, acc = 0.810546875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.5794838666915894, acc = 0.8095703125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.6343178749084473, acc = 0.791015625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.6166099309921265, acc = 0.7890625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.5401422381401062, acc = 0.8193359375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.5658091306686401, acc = 0.8056640625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.5487022995948792, acc = 0.810546875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.5412927269935608, acc = 0.810546875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.5597270727157593, acc = 0.81640625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.682631254196167, acc = 0.78125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.6279507279396057, acc = 0.7822265625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.5908552408218384, acc = 0.79296875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.5276789665222168, acc = 0.822265625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.6146672964096069, acc = 0.7978515625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.6427707076072693, acc = 0.7890625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.566118061542511, acc = 0.8134765625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.6058745384216309, acc = 0.7919921875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.6259819269180298, acc = 0.7978515625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.5363955497741699, acc = 0.8271484375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.5328536033630371, acc = 0.828125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.580390453338623, acc = 0.8134765625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.5809506773948669, acc = 0.8037109375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.5784111618995667, acc = 0.8203125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.5534343123435974, acc = 0.810546875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.5566243529319763, acc = 0.8154296875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.6053977012634277, acc = 0.7900390625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.5260075926780701, acc = 0.8427734375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.5128183364868164, acc = 0.8232421875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.5547483563423157, acc = 0.8134765625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.5775010585784912, acc = 0.7978515625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.5352696776390076, acc = 0.8076171875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.5057263374328613, acc = 0.8369140625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.5053201913833618, acc = 0.82421875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.5397713780403137, acc = 0.814453125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.5736755132675171, acc = 0.8056640625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.5692909955978394, acc = 0.80859375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.4840240776538849, acc = 0.8369140625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.4997072219848633, acc = 0.8427734375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.6155381798744202, acc = 0.796875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.596839964389801, acc = 0.7919921875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.6206274032592773, acc = 0.783203125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.46442586183547974, acc = 0.837890625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.5414168834686279, acc = 0.8134765625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.5554134249687195, acc = 0.818359375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.648881196975708, acc = 0.78125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.6103365421295166, acc = 0.7998046875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.5064407587051392, acc = 0.837890625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.6135077476501465, acc = 0.7998046875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.5786498188972473, acc = 0.79296875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.5233823657035828, acc = 0.830078125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.5899368524551392, acc = 0.80859375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.5279824733734131, acc = 0.83203125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.6456501483917236, acc = 0.7841796875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.582289457321167, acc = 0.8056640625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.5091541409492493, acc = 0.8291015625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.5827831029891968, acc = 0.8125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.6320494413375854, acc = 0.8017578125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.7098007798194885, acc = 0.7666015625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.5984305143356323, acc = 0.794921875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.592657208442688, acc = 0.806640625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.5983019471168518, acc = 0.7919921875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.5293059349060059, acc = 0.8154296875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.568152129650116, acc = 0.80859375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.611782431602478, acc = 0.78515625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.5686078071594238, acc = 0.8056640625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.5569801330566406, acc = 0.8056640625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.5632307529449463, acc = 0.8173828125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.627768874168396, acc = 0.783203125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.5544581413269043, acc = 0.8212890625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.5500762462615967, acc = 0.8095703125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.6428789496421814, acc = 0.7919921875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.605305552482605, acc = 0.8115234375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.6108195185661316, acc = 0.802734375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.6132127642631531, acc = 0.8046875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.6063201427459717, acc = 0.796875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.4814609885215759, acc = 0.845703125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.5174915790557861, acc = 0.833984375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.5439587831497192, acc = 0.81640625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.6640547513961792, acc = 0.787109375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.5482332706451416, acc = 0.818359375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.5540927052497864, acc = 0.8134765625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.5971401333808899, acc = 0.80859375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.5845680236816406, acc = 0.7998046875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.5961340069770813, acc = 0.794921875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.5862602591514587, acc = 0.802734375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.5876169800758362, acc = 0.814453125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.49883589148521423, acc = 0.8310546875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.5200248956680298, acc = 0.828125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.5731804966926575, acc = 0.8056640625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.5629952549934387, acc = 0.802734375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.5518131852149963, acc = 0.8212890625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.5940616130828857, acc = 0.7958984375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.5238313674926758, acc = 0.8193359375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.6319152116775513, acc = 0.7958984375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.6200554370880127, acc = 0.7861328125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.598454475402832, acc = 0.7939453125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.6181607246398926, acc = 0.796875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.608888566493988, acc = 0.787109375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.6135636568069458, acc = 0.80078125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.5333365201950073, acc = 0.833984375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.507038950920105, acc = 0.828125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.5711761713027954, acc = 0.8115234375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.5586246848106384, acc = 0.8193359375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.5879822969436646, acc = 0.798828125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.5722344517707825, acc = 0.8076171875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.5977568626403809, acc = 0.8125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.6004210710525513, acc = 0.7978515625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.619859516620636, acc = 0.7900390625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.59001624584198, acc = 0.8017578125

Epoch 45/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.7365497946739197, acc = 0.7783203125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.6449868679046631, acc = 0.7998046875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.5863116979598999, acc = 0.8154296875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.5779100656509399, acc = 0.8173828125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.6657358407974243, acc = 0.7734375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.6122591495513916, acc = 0.7958984375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.5838090181350708, acc = 0.80078125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.5922749042510986, acc = 0.8046875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.5588239431381226, acc = 0.8154296875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.4843142628669739, acc = 0.8369140625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.6114082336425781, acc = 0.79296875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.592323362827301, acc = 0.796875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.5410969853401184, acc = 0.8203125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.5667086839675903, acc = 0.802734375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.540957510471344, acc = 0.822265625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.6213172078132629, acc = 0.802734375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.5641779899597168, acc = 0.8076171875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.6123658418655396, acc = 0.796875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.5509930849075317, acc = 0.8310546875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.5779275894165039, acc = 0.8095703125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.6103679537773132, acc = 0.8017578125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.5459343194961548, acc = 0.8173828125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.5786110758781433, acc = 0.794921875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.5307444334030151, acc = 0.8251953125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.5201815366744995, acc = 0.814453125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.5492779612541199, acc = 0.8154296875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.6375716328620911, acc = 0.7919921875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.6055163145065308, acc = 0.7900390625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.5663883090019226, acc = 0.8125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.5181160569190979, acc = 0.82421875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.5865557789802551, acc = 0.810546875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.6256192922592163, acc = 0.7890625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.5581609010696411, acc = 0.8193359375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.5907149910926819, acc = 0.806640625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.6036115884780884, acc = 0.8076171875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.5174103379249573, acc = 0.8330078125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.5102719068527222, acc = 0.8232421875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.5814723372459412, acc = 0.828125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.5689178705215454, acc = 0.810546875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.5512615442276001, acc = 0.8193359375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.5132090449333191, acc = 0.830078125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.5706943869590759, acc = 0.806640625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.5998266339302063, acc = 0.802734375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.4891938865184784, acc = 0.841796875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.4846690893173218, acc = 0.841796875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.5158211588859558, acc = 0.818359375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.55366051197052, acc = 0.830078125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.5293699502944946, acc = 0.8173828125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.49545395374298096, acc = 0.82421875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.47447338700294495, acc = 0.8388671875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.5392634272575378, acc = 0.8115234375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.5782939791679382, acc = 0.80859375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.5282300710678101, acc = 0.8212890625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.4601391553878784, acc = 0.845703125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.4951685667037964, acc = 0.8359375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.540222704410553, acc = 0.810546875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.5894964337348938, acc = 0.8056640625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.6030604839324951, acc = 0.7890625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.4414966404438019, acc = 0.8544921875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.5389754176139832, acc = 0.80859375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.5146797299385071, acc = 0.837890625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.6515069603919983, acc = 0.7763671875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.5368292331695557, acc = 0.818359375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.49298131465911865, acc = 0.8369140625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.5946876406669617, acc = 0.8037109375
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.5528467893600464, acc = 0.8046875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.5252244472503662, acc = 0.830078125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.5744346380233765, acc = 0.8037109375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.49096930027008057, acc = 0.8310546875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.5945074558258057, acc = 0.7958984375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.5957021713256836, acc = 0.7998046875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.513126015663147, acc = 0.828125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.6023369431495667, acc = 0.8115234375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.6400776505470276, acc = 0.7841796875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.6596289277076721, acc = 0.7783203125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.6173482537269592, acc = 0.79296875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.5467785596847534, acc = 0.818359375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.5864949822425842, acc = 0.80078125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.5238252878189087, acc = 0.818359375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.5184439420700073, acc = 0.8251953125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.5907304883003235, acc = 0.7958984375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.514968752861023, acc = 0.822265625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.5372028350830078, acc = 0.8134765625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.5149337649345398, acc = 0.828125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.6554261445999146, acc = 0.7783203125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.5692520141601562, acc = 0.8076171875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.5373747944831848, acc = 0.8212890625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.6241165399551392, acc = 0.7998046875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.5597444772720337, acc = 0.8203125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.5750250816345215, acc = 0.8115234375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.6523551940917969, acc = 0.775390625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.5753403306007385, acc = 0.8134765625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.479583740234375, acc = 0.8408203125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.5433039665222168, acc = 0.8134765625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.5682762861251831, acc = 0.806640625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.6155001521110535, acc = 0.7763671875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.5191680788993835, acc = 0.822265625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.5385251045227051, acc = 0.8095703125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.5774362087249756, acc = 0.8173828125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.5882828831672668, acc = 0.7998046875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.5634535551071167, acc = 0.794921875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.5860882997512817, acc = 0.8046875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.5608177185058594, acc = 0.830078125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.48451921343803406, acc = 0.8203125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.49782872200012207, acc = 0.8427734375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.5463533401489258, acc = 0.8134765625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.5129414796829224, acc = 0.828125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.55125492811203, acc = 0.822265625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.5642029047012329, acc = 0.8154296875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.5237387418746948, acc = 0.8251953125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.6261218786239624, acc = 0.7958984375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.5745748281478882, acc = 0.814453125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.5728139877319336, acc = 0.7958984375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.5836624503135681, acc = 0.8046875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.5743969082832336, acc = 0.806640625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.6120842099189758, acc = 0.7958984375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.49187079071998596, acc = 0.8369140625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.4987219572067261, acc = 0.8359375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.5638759732246399, acc = 0.830078125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.5558282732963562, acc = 0.8056640625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.5660856366157532, acc = 0.80859375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.5379190444946289, acc = 0.8115234375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.5537787079811096, acc = 0.830078125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.6100412011146545, acc = 0.7841796875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.5941882133483887, acc = 0.7939453125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.5981931090354919, acc = 0.794921875

Epoch 46/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.7097654342651367, acc = 0.7783203125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.6917384266853333, acc = 0.79296875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.5532968044281006, acc = 0.8232421875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.5762202143669128, acc = 0.818359375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.6343376040458679, acc = 0.7978515625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.6189268827438354, acc = 0.7978515625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.5659692883491516, acc = 0.8154296875
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.6084264516830444, acc = 0.7978515625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.5550740957260132, acc = 0.8203125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.4891197383403778, acc = 0.8369140625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.5769739151000977, acc = 0.8203125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.5666557550430298, acc = 0.8056640625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.5149698257446289, acc = 0.8388671875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.554567277431488, acc = 0.8173828125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.522637665271759, acc = 0.8251953125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.5888152718544006, acc = 0.80859375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.5295855402946472, acc = 0.828125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.6002473831176758, acc = 0.7958984375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.5309619903564453, acc = 0.8203125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.5701306462287903, acc = 0.8046875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.6050935983657837, acc = 0.7958984375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.5185362696647644, acc = 0.81640625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.5870533585548401, acc = 0.8037109375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.5287768840789795, acc = 0.8173828125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.5191575288772583, acc = 0.8232421875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.5257800221443176, acc = 0.80859375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.6578086614608765, acc = 0.7978515625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.5843579769134521, acc = 0.7890625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.5939667224884033, acc = 0.8017578125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.5295583605766296, acc = 0.8203125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.6115836501121521, acc = 0.8046875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.6064388751983643, acc = 0.7978515625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.5379759073257446, acc = 0.822265625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.5907319188117981, acc = 0.798828125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.5773383975028992, acc = 0.8134765625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.508069634437561, acc = 0.83984375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.4930027723312378, acc = 0.837890625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.5657191276550293, acc = 0.8203125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.5373948216438293, acc = 0.8203125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.5408545732498169, acc = 0.8310546875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.5008003115653992, acc = 0.8369140625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.5682662725448608, acc = 0.81640625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.5918190479278564, acc = 0.8193359375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.4944128394126892, acc = 0.8388671875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.48052841424942017, acc = 0.84375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.5147238969802856, acc = 0.828125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.5290812253952026, acc = 0.83203125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.5091116428375244, acc = 0.82421875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.4796355962753296, acc = 0.83203125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.4612518846988678, acc = 0.8544921875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.5107511281967163, acc = 0.8173828125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.5736877918243408, acc = 0.80078125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.514354407787323, acc = 0.8251953125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.47700780630111694, acc = 0.8408203125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.5248624086380005, acc = 0.8232421875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.5531671047210693, acc = 0.798828125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.5903459191322327, acc = 0.787109375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.6079946756362915, acc = 0.7939453125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.43292760848999023, acc = 0.857421875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.5277385115623474, acc = 0.8076171875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.5064913630485535, acc = 0.8271484375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.6543262004852295, acc = 0.7890625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.5637063384056091, acc = 0.8203125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.5023055672645569, acc = 0.8291015625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.5997381806373596, acc = 0.7978515625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.5295649766921997, acc = 0.810546875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.5141034126281738, acc = 0.8212890625
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.5599068403244019, acc = 0.8271484375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.4830814599990845, acc = 0.8466796875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.6131471395492554, acc = 0.8046875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.543681263923645, acc = 0.818359375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.4614344835281372, acc = 0.853515625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.6294285655021667, acc = 0.7802734375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.5911402106285095, acc = 0.7998046875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.620989203453064, acc = 0.7890625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.5648061633110046, acc = 0.8095703125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.518648087978363, acc = 0.830078125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.5549925565719604, acc = 0.8193359375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.5110613107681274, acc = 0.826171875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.5441730618476868, acc = 0.8095703125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.5663295984268188, acc = 0.8125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.5350869297981262, acc = 0.8173828125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.5226957201957703, acc = 0.8203125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.5414406657218933, acc = 0.8154296875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.6160519123077393, acc = 0.7880859375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.536772608757019, acc = 0.822265625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.519618034362793, acc = 0.8291015625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.631432056427002, acc = 0.794921875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.5554251074790955, acc = 0.822265625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.5925322771072388, acc = 0.8017578125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.5932747721672058, acc = 0.7998046875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.5525112748146057, acc = 0.8232421875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.46568772196769714, acc = 0.8447265625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.5217246413230896, acc = 0.8349609375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.5398420691490173, acc = 0.8193359375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.6058124303817749, acc = 0.8037109375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.544917106628418, acc = 0.830078125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.5508345365524292, acc = 0.8193359375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.5918393135070801, acc = 0.796875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.5784285068511963, acc = 0.794921875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.5430852770805359, acc = 0.8212890625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.5812206864356995, acc = 0.80859375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.5546634197235107, acc = 0.8046875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.4912053644657135, acc = 0.830078125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.5191991329193115, acc = 0.8291015625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.5362516045570374, acc = 0.818359375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.5396145582199097, acc = 0.8134765625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.5279332399368286, acc = 0.8271484375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.5695687532424927, acc = 0.814453125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.5106399059295654, acc = 0.8203125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.6374910473823547, acc = 0.783203125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.5793222188949585, acc = 0.8095703125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.557526171207428, acc = 0.8193359375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.586083173751831, acc = 0.80078125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.5856015682220459, acc = 0.7978515625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.5883474946022034, acc = 0.8017578125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.4949294328689575, acc = 0.833984375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.48024260997772217, acc = 0.8349609375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.547356367111206, acc = 0.822265625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.5312819480895996, acc = 0.8115234375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.5745318531990051, acc = 0.8154296875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.5206797122955322, acc = 0.8349609375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.5578920245170593, acc = 0.8193359375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.5891187787055969, acc = 0.7822265625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.5932578444480896, acc = 0.8076171875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.5519923567771912, acc = 0.8203125

Epoch 47/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.6890681982040405, acc = 0.775390625
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.650669276714325, acc = 0.787109375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.5515905618667603, acc = 0.8154296875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.5856297016143799, acc = 0.814453125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.6282786130905151, acc = 0.798828125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.5797371864318848, acc = 0.810546875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.5742448568344116, acc = 0.7998046875
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.5889089107513428, acc = 0.80859375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.5588853359222412, acc = 0.814453125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.49127236008644104, acc = 0.8359375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.6179287433624268, acc = 0.7998046875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.58183753490448, acc = 0.802734375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.5323628783226013, acc = 0.82421875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.5506635308265686, acc = 0.82421875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.5126750469207764, acc = 0.8330078125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.55396968126297, acc = 0.8193359375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.5310173630714417, acc = 0.83203125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.5577881336212158, acc = 0.8212890625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.5257924199104309, acc = 0.8330078125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.5712074041366577, acc = 0.8076171875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.6157514452934265, acc = 0.7919921875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.5109837651252747, acc = 0.83203125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.5735644102096558, acc = 0.8046875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.5192673802375793, acc = 0.8173828125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.5151954293251038, acc = 0.8095703125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.5203924179077148, acc = 0.82421875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.6327416896820068, acc = 0.7958984375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.5879877805709839, acc = 0.8046875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.5754604339599609, acc = 0.8037109375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.5059688091278076, acc = 0.8310546875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.5810912847518921, acc = 0.8212890625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.6189119219779968, acc = 0.79296875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.5134910345077515, acc = 0.822265625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.5575096607208252, acc = 0.8125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.5741033554077148, acc = 0.8203125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.4939022958278656, acc = 0.8330078125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.5020256042480469, acc = 0.83984375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.5484120845794678, acc = 0.8232421875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.5485539436340332, acc = 0.81640625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.5424971580505371, acc = 0.8125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.5010159015655518, acc = 0.83203125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.5451039671897888, acc = 0.8193359375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.5999503135681152, acc = 0.7939453125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.5102460980415344, acc = 0.8330078125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.4819585680961609, acc = 0.8408203125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.5095390677452087, acc = 0.8251953125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.5281183123588562, acc = 0.8310546875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.5051727294921875, acc = 0.828125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.46608108282089233, acc = 0.8583984375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.46663588285446167, acc = 0.8271484375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.5046636462211609, acc = 0.8212890625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.5479228496551514, acc = 0.810546875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.5385318994522095, acc = 0.8271484375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.48751065135002136, acc = 0.8369140625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.4722731411457062, acc = 0.8447265625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.5540252327919006, acc = 0.8193359375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.6006021499633789, acc = 0.77734375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.5890374183654785, acc = 0.8017578125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.44275468587875366, acc = 0.84375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.5364245176315308, acc = 0.8193359375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.5226879715919495, acc = 0.830078125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.6347705125808716, acc = 0.78125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.57237708568573, acc = 0.806640625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.46010977029800415, acc = 0.84765625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.5508450269699097, acc = 0.826171875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.5224832892417908, acc = 0.8125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.4967694878578186, acc = 0.8408203125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.5608857870101929, acc = 0.8125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.4758685529232025, acc = 0.8525390625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.60773766040802, acc = 0.796875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.5459653735160828, acc = 0.8173828125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.48995333909988403, acc = 0.84375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.5881659984588623, acc = 0.8095703125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.589808464050293, acc = 0.8017578125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.6603052616119385, acc = 0.78125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.5468217730522156, acc = 0.82421875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.5019912719726562, acc = 0.8271484375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.5549477338790894, acc = 0.8056640625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.500995397567749, acc = 0.8330078125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.5372740030288696, acc = 0.810546875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.5885337591171265, acc = 0.8076171875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.5088532567024231, acc = 0.8212890625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.535361647605896, acc = 0.8251953125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.5335593223571777, acc = 0.8193359375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.6331750154495239, acc = 0.791015625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.5498560667037964, acc = 0.8056640625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.49854230880737305, acc = 0.8427734375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.5782699584960938, acc = 0.8173828125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.5243464112281799, acc = 0.818359375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.5439659357070923, acc = 0.8232421875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.5996086597442627, acc = 0.810546875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.586666464805603, acc = 0.806640625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.47270336747169495, acc = 0.859375
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.5036495923995972, acc = 0.82421875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.5462298393249512, acc = 0.82421875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.6257964968681335, acc = 0.7841796875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.5384148955345154, acc = 0.8193359375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.5646289587020874, acc = 0.810546875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.585796058177948, acc = 0.8046875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.5844792723655701, acc = 0.806640625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.554772675037384, acc = 0.8203125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.5479453802108765, acc = 0.81640625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.5528301000595093, acc = 0.8173828125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.49162009358406067, acc = 0.8349609375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.48308703303337097, acc = 0.8349609375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.5428512096405029, acc = 0.8212890625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.5346787571907043, acc = 0.8134765625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.5516147613525391, acc = 0.8154296875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.5742825865745544, acc = 0.8173828125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.5030373930931091, acc = 0.8349609375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.6133837103843689, acc = 0.8046875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.5427759885787964, acc = 0.8154296875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.5723223686218262, acc = 0.8076171875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.593951404094696, acc = 0.7958984375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.564100444316864, acc = 0.810546875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.61998051404953, acc = 0.7880859375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.5073603391647339, acc = 0.8291015625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.49077993631362915, acc = 0.8349609375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.5267627239227295, acc = 0.82421875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.5487126111984253, acc = 0.802734375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.5640476942062378, acc = 0.8134765625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.520825982093811, acc = 0.8193359375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.564146876335144, acc = 0.8193359375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.5823029279708862, acc = 0.8046875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.5647286176681519, acc = 0.8076171875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.5895146131515503, acc = 0.7978515625

Epoch 48/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.7185906171798706, acc = 0.7734375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.6442070007324219, acc = 0.798828125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.5702464580535889, acc = 0.8212890625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.5662016868591309, acc = 0.8076171875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.6220683455467224, acc = 0.794921875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.5833176374435425, acc = 0.8154296875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.5692568421363831, acc = 0.8134765625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.6011155843734741, acc = 0.8017578125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.5268802642822266, acc = 0.8193359375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.45356979966163635, acc = 0.84765625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.5923655033111572, acc = 0.7998046875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.5560285449028015, acc = 0.8046875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.5192451477050781, acc = 0.8349609375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.5720082521438599, acc = 0.8046875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.5293797254562378, acc = 0.8115234375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.5896785259246826, acc = 0.802734375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.5091572999954224, acc = 0.8369140625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.5612642168998718, acc = 0.8115234375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.5162731409072876, acc = 0.82421875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.5488852858543396, acc = 0.8212890625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.5938587784767151, acc = 0.798828125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.5053067207336426, acc = 0.8232421875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.5505855679512024, acc = 0.8095703125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.5208030939102173, acc = 0.8212890625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.5013860464096069, acc = 0.8251953125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.4979681372642517, acc = 0.8271484375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.6333436965942383, acc = 0.79296875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.5600000023841858, acc = 0.822265625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.5476335287094116, acc = 0.8193359375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.5160216689109802, acc = 0.8203125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.5625427961349487, acc = 0.8193359375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.6075658202171326, acc = 0.798828125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.5197393298149109, acc = 0.830078125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.5734193325042725, acc = 0.818359375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.550182580947876, acc = 0.8076171875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.4937604069709778, acc = 0.8427734375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.4838636517524719, acc = 0.8310546875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.5467978119850159, acc = 0.8251953125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.5734604001045227, acc = 0.814453125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.5333369374275208, acc = 0.830078125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.49828004837036133, acc = 0.8359375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.5504259467124939, acc = 0.8134765625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.5585294365882874, acc = 0.8203125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.4854680001735687, acc = 0.83984375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.451984703540802, acc = 0.8388671875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.4871823787689209, acc = 0.8486328125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.5103600025177002, acc = 0.837890625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.4891152083873749, acc = 0.82421875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.4450379014015198, acc = 0.8544921875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.4585250914096832, acc = 0.849609375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.4871463179588318, acc = 0.8369140625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.5287842154502869, acc = 0.828125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.513806939125061, acc = 0.8408203125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.44079023599624634, acc = 0.85546875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.46626460552215576, acc = 0.84375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.5300477743148804, acc = 0.8232421875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.5610714554786682, acc = 0.8125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.581419050693512, acc = 0.80859375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.4194170832633972, acc = 0.8564453125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.49590373039245605, acc = 0.830078125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.4931642413139343, acc = 0.8408203125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.6230443120002747, acc = 0.787109375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.5257927179336548, acc = 0.8203125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.4708136320114136, acc = 0.84375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.5674771070480347, acc = 0.8095703125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.5267975926399231, acc = 0.8154296875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.48827487230300903, acc = 0.8349609375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.5233346223831177, acc = 0.8349609375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.4718394875526428, acc = 0.8544921875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.5842994451522827, acc = 0.7919921875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.537818193435669, acc = 0.81640625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.5015462636947632, acc = 0.83984375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.5701262950897217, acc = 0.814453125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.5754308700561523, acc = 0.8125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.6123127937316895, acc = 0.7880859375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.5635491609573364, acc = 0.8115234375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.5305694341659546, acc = 0.8232421875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.5266721248626709, acc = 0.81640625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.49627864360809326, acc = 0.833984375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.5231606960296631, acc = 0.8212890625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.54100501537323, acc = 0.8251953125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.5150523781776428, acc = 0.8330078125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.507394552230835, acc = 0.830078125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.5306430459022522, acc = 0.818359375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.6237615346908569, acc = 0.77734375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.5167995095252991, acc = 0.82421875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.5083518028259277, acc = 0.830078125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.588958203792572, acc = 0.8115234375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.5207252502441406, acc = 0.826171875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.5341284275054932, acc = 0.826171875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.581037700176239, acc = 0.814453125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.5675356388092041, acc = 0.8212890625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.47428566217422485, acc = 0.84765625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.5269840955734253, acc = 0.818359375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.5033614635467529, acc = 0.8388671875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.6061954498291016, acc = 0.791015625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.5272042751312256, acc = 0.8369140625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.5374548435211182, acc = 0.814453125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.5619412660598755, acc = 0.810546875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.575927734375, acc = 0.8115234375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.5480620265007019, acc = 0.8173828125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.5442959070205688, acc = 0.8154296875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.5313330888748169, acc = 0.8232421875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.4548420310020447, acc = 0.8359375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.45341363549232483, acc = 0.8447265625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.5224695205688477, acc = 0.81640625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.5055457949638367, acc = 0.826171875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.5084187984466553, acc = 0.8388671875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.5446834564208984, acc = 0.8173828125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.5069823265075684, acc = 0.84375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.5900072455406189, acc = 0.8046875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.5556040406227112, acc = 0.81640625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.5678857564926147, acc = 0.796875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.5887287259101868, acc = 0.8037109375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.5703884363174438, acc = 0.806640625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.620449423789978, acc = 0.8095703125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.49174174666404724, acc = 0.83984375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.4477876126766205, acc = 0.8408203125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.5348624587059021, acc = 0.8212890625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.48220255970954895, acc = 0.8330078125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.575334370136261, acc = 0.8076171875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.4914771020412445, acc = 0.83984375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.5181387066841125, acc = 0.830078125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.5562046766281128, acc = 0.8115234375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.5735150575637817, acc = 0.802734375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.5655529499053955, acc = 0.814453125

Epoch 49/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.7156113386154175, acc = 0.7578125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.6391299366950989, acc = 0.79296875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.5197630524635315, acc = 0.8271484375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.5621129274368286, acc = 0.818359375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.629942774772644, acc = 0.7939453125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.570909857749939, acc = 0.8193359375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.5666493773460388, acc = 0.8134765625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.5672387480735779, acc = 0.814453125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.5026311278343201, acc = 0.83203125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.48115408420562744, acc = 0.8359375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.5853434801101685, acc = 0.8203125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.5588037371635437, acc = 0.8056640625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.512590765953064, acc = 0.8212890625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.5427277684211731, acc = 0.8095703125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.4888921082019806, acc = 0.8251953125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.5516833066940308, acc = 0.802734375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.5472956895828247, acc = 0.818359375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.5522679090499878, acc = 0.8115234375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.5297479629516602, acc = 0.8310546875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.5152302384376526, acc = 0.8251953125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.6038034558296204, acc = 0.7919921875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.5195915699005127, acc = 0.8134765625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.5522648096084595, acc = 0.8095703125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.5091695189476013, acc = 0.830078125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.5037325620651245, acc = 0.837890625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.5113698840141296, acc = 0.828125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.613135039806366, acc = 0.80859375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.5677938461303711, acc = 0.8154296875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.5546187162399292, acc = 0.8154296875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.4803182780742645, acc = 0.830078125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.5832699537277222, acc = 0.814453125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.5984363555908203, acc = 0.7919921875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.49127396941185, acc = 0.837890625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.5825853943824768, acc = 0.79296875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.5545535087585449, acc = 0.8232421875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.4685352146625519, acc = 0.84375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.4569701552391052, acc = 0.8564453125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.532263457775116, acc = 0.8291015625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.5106058716773987, acc = 0.8359375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.5326906442642212, acc = 0.8203125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.47625860571861267, acc = 0.8427734375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.5296055674552917, acc = 0.8125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.5319775342941284, acc = 0.83203125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.4328065812587738, acc = 0.857421875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.4543003737926483, acc = 0.8515625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.5039905309677124, acc = 0.8408203125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.5116516351699829, acc = 0.8310546875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.5046781301498413, acc = 0.8232421875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.4671863317489624, acc = 0.841796875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.43535926938056946, acc = 0.8544921875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.48972880840301514, acc = 0.8359375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.5327715277671814, acc = 0.8115234375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.49547481536865234, acc = 0.837890625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.4484041929244995, acc = 0.8525390625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.447889119386673, acc = 0.8603515625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.4869850277900696, acc = 0.830078125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.5497207045555115, acc = 0.7998046875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.5664008259773254, acc = 0.80859375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.419237345457077, acc = 0.8564453125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.4984095096588135, acc = 0.8212890625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.4863835871219635, acc = 0.8359375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.5732898712158203, acc = 0.8125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.49466049671173096, acc = 0.828125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.44863080978393555, acc = 0.857421875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.540418267250061, acc = 0.822265625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.49985581636428833, acc = 0.828125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.4929901957511902, acc = 0.8486328125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.5215914845466614, acc = 0.830078125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.4619235694408417, acc = 0.8427734375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.5706347227096558, acc = 0.8134765625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.5512257218360901, acc = 0.8212890625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.43549075722694397, acc = 0.8466796875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.5623602271080017, acc = 0.814453125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.5539495944976807, acc = 0.80078125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.6068148612976074, acc = 0.7900390625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.5543784499168396, acc = 0.810546875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.5212016701698303, acc = 0.8193359375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.5438666343688965, acc = 0.80859375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.49124109745025635, acc = 0.8359375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.46660858392715454, acc = 0.8330078125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.5176495909690857, acc = 0.8359375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.5001236200332642, acc = 0.826171875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.5229753255844116, acc = 0.8193359375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.5120046138763428, acc = 0.8291015625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.6093819737434387, acc = 0.794921875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.5286296606063843, acc = 0.818359375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.4893375039100647, acc = 0.8330078125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.5934779644012451, acc = 0.80078125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.5008673071861267, acc = 0.8349609375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.530133843421936, acc = 0.8271484375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.5506370067596436, acc = 0.8125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.5274989604949951, acc = 0.818359375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.4570101499557495, acc = 0.8564453125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.5071866512298584, acc = 0.83203125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.5012342929840088, acc = 0.8310546875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.575711190700531, acc = 0.8046875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.539671778678894, acc = 0.83203125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.4938293397426605, acc = 0.837890625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.5650439262390137, acc = 0.8076171875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.5552433133125305, acc = 0.802734375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.5077582001686096, acc = 0.83203125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.5517179369926453, acc = 0.82421875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.5382586717605591, acc = 0.8271484375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.4650079905986786, acc = 0.83984375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.4756622314453125, acc = 0.8486328125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.5372989773750305, acc = 0.8125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.48519429564476013, acc = 0.8349609375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.524600625038147, acc = 0.828125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.5546989440917969, acc = 0.80859375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.4878806173801422, acc = 0.8388671875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.5847138166427612, acc = 0.8037109375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.5116766691207886, acc = 0.8251953125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.5532006621360779, acc = 0.798828125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.5612065196037292, acc = 0.806640625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.5696122050285339, acc = 0.8076171875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.5623968243598938, acc = 0.8203125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.47712111473083496, acc = 0.8310546875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.45907291769981384, acc = 0.85546875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.5210917592048645, acc = 0.8359375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.5238795876502991, acc = 0.818359375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.5212668776512146, acc = 0.8154296875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.48855799436569214, acc = 0.833984375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.5208138823509216, acc = 0.830078125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.5536778569221497, acc = 0.8173828125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.5751570463180542, acc = 0.8115234375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.5514475107192993, acc = 0.8232421875

Epoch 50/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.7001919746398926, acc = 0.7802734375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.602024257183075, acc = 0.7919921875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.5028994083404541, acc = 0.833984375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.508969247341156, acc = 0.837890625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.5968764424324036, acc = 0.8037109375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.5854659080505371, acc = 0.796875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.5708162188529968, acc = 0.81640625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.5358380079269409, acc = 0.8154296875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.5175231695175171, acc = 0.8232421875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.4556131362915039, acc = 0.8486328125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.5309360027313232, acc = 0.8212890625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.5656082630157471, acc = 0.8154296875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.49462541937828064, acc = 0.8408203125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.5266368985176086, acc = 0.8193359375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.5085975527763367, acc = 0.8154296875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.5356138944625854, acc = 0.81640625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.5418013334274292, acc = 0.826171875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.539707601070404, acc = 0.8173828125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.49721571803092957, acc = 0.8369140625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.5392200350761414, acc = 0.80859375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.5404471755027771, acc = 0.8193359375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.511884331703186, acc = 0.828125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.5151621103286743, acc = 0.81640625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.4647180140018463, acc = 0.8408203125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.4558543860912323, acc = 0.8466796875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.5109933614730835, acc = 0.822265625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.6036307215690613, acc = 0.8154296875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.5633581280708313, acc = 0.8154296875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.5233403444290161, acc = 0.8271484375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.47741666436195374, acc = 0.8310546875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.5320712924003601, acc = 0.8349609375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.5705479979515076, acc = 0.8095703125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.5368093252182007, acc = 0.8134765625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.5565280318260193, acc = 0.8173828125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.5575239658355713, acc = 0.810546875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.47237735986709595, acc = 0.849609375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.46419787406921387, acc = 0.8466796875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.5408104658126831, acc = 0.8193359375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.5154350399971008, acc = 0.830078125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.5008401870727539, acc = 0.828125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.47994425892829895, acc = 0.8330078125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.5396180748939514, acc = 0.8134765625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.537964940071106, acc = 0.82421875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.47189122438430786, acc = 0.8427734375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.45109879970550537, acc = 0.8466796875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.48340392112731934, acc = 0.83984375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.5171558856964111, acc = 0.826171875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.5186237692832947, acc = 0.8154296875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.4347984790802002, acc = 0.849609375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.4705565273761749, acc = 0.8408203125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.48334598541259766, acc = 0.8427734375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.5139267444610596, acc = 0.8349609375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.49203383922576904, acc = 0.837890625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.4177566170692444, acc = 0.85546875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.4613480269908905, acc = 0.841796875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.5112897753715515, acc = 0.8173828125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.5529645681381226, acc = 0.8095703125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.5627802014350891, acc = 0.796875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.43123412132263184, acc = 0.849609375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.4528960883617401, acc = 0.8583984375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.48076900839805603, acc = 0.8466796875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.5739620327949524, acc = 0.810546875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.4789934754371643, acc = 0.8447265625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.4428938627243042, acc = 0.8603515625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.542464017868042, acc = 0.822265625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.504714846611023, acc = 0.8310546875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.4710771143436432, acc = 0.8408203125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.5249584317207336, acc = 0.83203125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.45522594451904297, acc = 0.8408203125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.5749672055244446, acc = 0.818359375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.5190314650535583, acc = 0.837890625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.4484228789806366, acc = 0.8583984375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.562248170375824, acc = 0.814453125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.5582453608512878, acc = 0.8203125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.6066795587539673, acc = 0.796875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.5652960538864136, acc = 0.8134765625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.54453045129776, acc = 0.8134765625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.5386288166046143, acc = 0.82421875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.48605331778526306, acc = 0.8369140625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.49784547090530396, acc = 0.8193359375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.5042087435722351, acc = 0.8349609375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.4980115592479706, acc = 0.8212890625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.4632529318332672, acc = 0.8427734375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.49338123202323914, acc = 0.8349609375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.5880225896835327, acc = 0.798828125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.48082205653190613, acc = 0.8310546875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.4509209096431732, acc = 0.8408203125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.5568950772285461, acc = 0.7998046875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.5052763223648071, acc = 0.8369140625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.494892418384552, acc = 0.837890625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.5567556619644165, acc = 0.810546875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.5294535756111145, acc = 0.8251953125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.45433902740478516, acc = 0.8427734375
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.49674880504608154, acc = 0.841796875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.49339017271995544, acc = 0.8408203125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.5536878705024719, acc = 0.8134765625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.5094457864761353, acc = 0.845703125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.49780040979385376, acc = 0.8388671875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.5593335032463074, acc = 0.810546875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.5596560835838318, acc = 0.8134765625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.5258896350860596, acc = 0.818359375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.526443600654602, acc = 0.826171875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.5269343256950378, acc = 0.830078125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.458452045917511, acc = 0.8525390625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.46525126695632935, acc = 0.8466796875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.4907074570655823, acc = 0.833984375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.48463600873947144, acc = 0.8466796875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.5015072822570801, acc = 0.82421875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.5008233189582825, acc = 0.8330078125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.45972102880477905, acc = 0.845703125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.5457980632781982, acc = 0.814453125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.5294269919395447, acc = 0.80859375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.5234476327896118, acc = 0.8173828125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.5510085225105286, acc = 0.822265625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.5602095723152161, acc = 0.8134765625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.5683814883232117, acc = 0.8115234375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.5068863034248352, acc = 0.8369140625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.4679734408855438, acc = 0.8369140625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.5432928800582886, acc = 0.8193359375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.5005910992622375, acc = 0.8310546875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.5223725438117981, acc = 0.8212890625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.4587377905845642, acc = 0.84765625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.5120680332183838, acc = 0.833984375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.5646456480026245, acc = 0.796875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.5583525896072388, acc = 0.8095703125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.5318418145179749, acc = 0.826171875
Saved checkpoint to weights.50.h5

Epoch 51/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.6702710390090942, acc = 0.7880859375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.61151522397995, acc = 0.802734375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.5339834094047546, acc = 0.826171875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.5356087684631348, acc = 0.8154296875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.5937877893447876, acc = 0.796875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.5426480770111084, acc = 0.8232421875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.5278502106666565, acc = 0.822265625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.5329041481018066, acc = 0.8291015625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.5110936164855957, acc = 0.8291015625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.4697621464729309, acc = 0.8349609375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.5613387823104858, acc = 0.8076171875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.5349481701850891, acc = 0.8232421875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.5099915266036987, acc = 0.8251953125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.526913046836853, acc = 0.822265625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.49112123250961304, acc = 0.8349609375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.5540361404418945, acc = 0.80859375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.5256444215774536, acc = 0.8291015625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.5361616611480713, acc = 0.82421875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.4826306998729706, acc = 0.8408203125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.5297540426254272, acc = 0.8115234375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.5607075691223145, acc = 0.8076171875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.4950335621833801, acc = 0.8369140625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.5433933138847351, acc = 0.822265625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.48453283309936523, acc = 0.8388671875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.47221365571022034, acc = 0.845703125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.4922577142715454, acc = 0.82421875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.6172327399253845, acc = 0.80859375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.5396960377693176, acc = 0.8232421875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.5353899598121643, acc = 0.8271484375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.4732149839401245, acc = 0.845703125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.5296059846878052, acc = 0.826171875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.5766876935958862, acc = 0.8193359375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.4903809726238251, acc = 0.83984375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.5227091908454895, acc = 0.8232421875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.5350337028503418, acc = 0.8330078125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.4737386703491211, acc = 0.84375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.4617342948913574, acc = 0.859375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.49909108877182007, acc = 0.8427734375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.4976266920566559, acc = 0.8330078125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.4993685483932495, acc = 0.8388671875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.4594767689704895, acc = 0.853515625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.5072383880615234, acc = 0.8271484375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.5431332588195801, acc = 0.81640625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.4666248559951782, acc = 0.8515625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.42946645617485046, acc = 0.8603515625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.4808913767337799, acc = 0.8359375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.4836350083351135, acc = 0.8349609375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.4506796598434448, acc = 0.84765625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.41173458099365234, acc = 0.8662109375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.42458871006965637, acc = 0.8642578125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.46725890040397644, acc = 0.845703125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.5255439877510071, acc = 0.82421875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.45677417516708374, acc = 0.83984375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.42347779870033264, acc = 0.85546875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.4582670331001282, acc = 0.8544921875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.5025845170021057, acc = 0.818359375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.5614569783210754, acc = 0.796875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.5665571689605713, acc = 0.7958984375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.379288911819458, acc = 0.87109375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.462252676486969, acc = 0.8330078125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.49521172046661377, acc = 0.841796875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.5716035962104797, acc = 0.8056640625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.49580901861190796, acc = 0.84375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.4591590166091919, acc = 0.849609375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.5183575749397278, acc = 0.8173828125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.4981958270072937, acc = 0.8349609375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.4645853638648987, acc = 0.8564453125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.5111499428749084, acc = 0.826171875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.45962172746658325, acc = 0.84765625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.5577865242958069, acc = 0.826171875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.5210655927658081, acc = 0.8330078125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.43862634897232056, acc = 0.8662109375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.5033249855041504, acc = 0.828125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.5536843538284302, acc = 0.814453125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.6065562963485718, acc = 0.7919921875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.5453336238861084, acc = 0.818359375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.5101547837257385, acc = 0.8232421875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.4769284427165985, acc = 0.8486328125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.46107566356658936, acc = 0.849609375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.47141721844673157, acc = 0.8388671875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.5090070962905884, acc = 0.828125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.4576452970504761, acc = 0.84375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.4949992895126343, acc = 0.837890625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.4898814260959625, acc = 0.83203125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.5674088001251221, acc = 0.8056640625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.4811999797821045, acc = 0.8330078125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.47139856219291687, acc = 0.8447265625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.5355780124664307, acc = 0.8310546875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.4901697635650635, acc = 0.83984375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.5051036477088928, acc = 0.8330078125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.5655711889266968, acc = 0.8154296875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.5193570852279663, acc = 0.828125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.43042150139808655, acc = 0.853515625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.4566715359687805, acc = 0.84375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.48684054613113403, acc = 0.83203125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.5741243362426758, acc = 0.7978515625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.4758184254169464, acc = 0.8525390625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.4863816797733307, acc = 0.830078125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.5289939045906067, acc = 0.841796875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.5254626274108887, acc = 0.806640625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.5005037784576416, acc = 0.828125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.5153712630271912, acc = 0.828125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.49388599395751953, acc = 0.8408203125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.4355248212814331, acc = 0.85546875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.4530014097690582, acc = 0.84765625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.44341349601745605, acc = 0.84765625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.45884472131729126, acc = 0.8486328125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.4809454679489136, acc = 0.8330078125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.5132080316543579, acc = 0.833984375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.473514199256897, acc = 0.8505859375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.5745415687561035, acc = 0.796875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.5147135257720947, acc = 0.8310546875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.49291539192199707, acc = 0.8291015625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.5581884384155273, acc = 0.8203125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.5370907783508301, acc = 0.82421875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.507205069065094, acc = 0.826171875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.45994240045547485, acc = 0.8505859375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.40912148356437683, acc = 0.87109375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.4948616623878479, acc = 0.8359375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.46983402967453003, acc = 0.8388671875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.5079046487808228, acc = 0.828125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.4779166281223297, acc = 0.83984375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.4939514100551605, acc = 0.8369140625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.5218033790588379, acc = 0.8232421875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.563395082950592, acc = 0.80859375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.5280134677886963, acc = 0.814453125

Epoch 52/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.6687076091766357, acc = 0.7685546875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.5979145169258118, acc = 0.802734375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.533466100692749, acc = 0.8271484375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.5312586426734924, acc = 0.8251953125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.576664388179779, acc = 0.822265625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.5416806936264038, acc = 0.81640625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.515673041343689, acc = 0.8291015625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.5151146650314331, acc = 0.8251953125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.48474663496017456, acc = 0.8349609375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.461665540933609, acc = 0.8505859375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.5660073161125183, acc = 0.8095703125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.5381166934967041, acc = 0.8154296875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.48005110025405884, acc = 0.837890625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.5127387642860413, acc = 0.833984375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.5198029279708862, acc = 0.828125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.5388864874839783, acc = 0.8232421875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.5305901169776917, acc = 0.828125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.5386179685592651, acc = 0.81640625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.4897478520870209, acc = 0.8330078125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.508321225643158, acc = 0.8369140625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.5477497577667236, acc = 0.8125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.4704858660697937, acc = 0.8466796875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.5313692092895508, acc = 0.8251953125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.5052440762519836, acc = 0.8291015625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.46641457080841064, acc = 0.849609375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.532545804977417, acc = 0.828125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.6120202541351318, acc = 0.802734375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.5228887796401978, acc = 0.8310546875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.5085995197296143, acc = 0.8125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.4678189158439636, acc = 0.8447265625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.5266000032424927, acc = 0.837890625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.5525306463241577, acc = 0.8232421875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.4816223978996277, acc = 0.837890625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.5538695454597473, acc = 0.8095703125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.5306140184402466, acc = 0.83203125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.45747876167297363, acc = 0.8525390625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.4261745810508728, acc = 0.85546875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.5032370090484619, acc = 0.833984375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.482191264629364, acc = 0.8486328125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.5095264911651611, acc = 0.8359375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.4570019245147705, acc = 0.84765625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.5183809995651245, acc = 0.8349609375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.5270982384681702, acc = 0.814453125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.4478732943534851, acc = 0.853515625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.44990378618240356, acc = 0.841796875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.4811755120754242, acc = 0.8291015625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.49257853627204895, acc = 0.8388671875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.4791811406612396, acc = 0.841796875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.4275098741054535, acc = 0.8603515625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.414171427488327, acc = 0.86328125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.45354729890823364, acc = 0.8447265625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.5001747608184814, acc = 0.8349609375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.47617217898368835, acc = 0.84375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.39089205861091614, acc = 0.8671875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.4289320409297943, acc = 0.859375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.48691776394844055, acc = 0.830078125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.5014155507087708, acc = 0.82421875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.5468570590019226, acc = 0.8173828125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.3736931383609772, acc = 0.8798828125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.4430848956108093, acc = 0.849609375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.45434853434562683, acc = 0.8447265625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.5684404373168945, acc = 0.8154296875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.4997733235359192, acc = 0.82421875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.41340622305870056, acc = 0.8583984375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.5012291669845581, acc = 0.830078125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.4789058268070221, acc = 0.8349609375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.46460506319999695, acc = 0.83984375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.4876770079135895, acc = 0.83984375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.43758463859558105, acc = 0.8544921875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.5423409342765808, acc = 0.822265625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.5005592107772827, acc = 0.8330078125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.4545270502567291, acc = 0.8544921875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.5201142430305481, acc = 0.82421875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.529744029045105, acc = 0.8203125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.5544900894165039, acc = 0.8212890625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.4893742501735687, acc = 0.8212890625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.47615402936935425, acc = 0.8349609375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.5219376087188721, acc = 0.826171875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.4516372084617615, acc = 0.8447265625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.48587989807128906, acc = 0.8388671875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.5099483132362366, acc = 0.82421875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.4584406018257141, acc = 0.8427734375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.47933268547058105, acc = 0.8232421875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.4794374406337738, acc = 0.8466796875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.5658584833145142, acc = 0.8173828125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.4705294966697693, acc = 0.837890625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.47005605697631836, acc = 0.8466796875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.549033522605896, acc = 0.8125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.4682610034942627, acc = 0.85546875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.4867836833000183, acc = 0.8486328125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.505996823310852, acc = 0.8271484375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.5191971063613892, acc = 0.83203125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.4259195029735565, acc = 0.8564453125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.46740779280662537, acc = 0.8466796875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.4588037133216858, acc = 0.841796875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.5067756175994873, acc = 0.8193359375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.492179811000824, acc = 0.841796875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.46712005138397217, acc = 0.833984375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.5571120381355286, acc = 0.8125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.538989245891571, acc = 0.822265625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.48962271213531494, acc = 0.8349609375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.5008100271224976, acc = 0.8408203125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.5209395885467529, acc = 0.8291015625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.4264335036277771, acc = 0.859375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.4714178740978241, acc = 0.845703125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.48470965027809143, acc = 0.841796875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.4652612805366516, acc = 0.837890625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.4764794707298279, acc = 0.83203125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.4918704926967621, acc = 0.8427734375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.4649335741996765, acc = 0.8447265625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.5195797085762024, acc = 0.8349609375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.4711000323295593, acc = 0.84375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.5034608244895935, acc = 0.8251953125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.5144951939582825, acc = 0.8349609375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.5149528384208679, acc = 0.814453125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.5719425678253174, acc = 0.810546875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.4602956175804138, acc = 0.8466796875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.4437694251537323, acc = 0.8525390625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.5004326105117798, acc = 0.8291015625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.44509321451187134, acc = 0.84375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.508285403251648, acc = 0.8251953125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.4547707140445709, acc = 0.8486328125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.4576852321624756, acc = 0.841796875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.5262046456336975, acc = 0.8212890625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.5377410650253296, acc = 0.8193359375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.5176907181739807, acc = 0.8251953125

Epoch 53/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.6559611558914185, acc = 0.8017578125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.5955353379249573, acc = 0.796875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.48176658153533936, acc = 0.8291015625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.529085636138916, acc = 0.826171875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.5760009288787842, acc = 0.810546875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.5275532007217407, acc = 0.8271484375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.4971233606338501, acc = 0.83203125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.504920482635498, acc = 0.822265625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.49392586946487427, acc = 0.8427734375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.4406915009021759, acc = 0.8427734375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.5422272682189941, acc = 0.822265625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.5509827136993408, acc = 0.806640625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.47010523080825806, acc = 0.841796875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.5299475789070129, acc = 0.818359375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.49443045258522034, acc = 0.830078125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.5351330637931824, acc = 0.8212890625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.5156991481781006, acc = 0.83984375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.5286722779273987, acc = 0.8291015625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.48688018321990967, acc = 0.8349609375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.4952767789363861, acc = 0.82421875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.5333741903305054, acc = 0.8232421875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.4757760167121887, acc = 0.83203125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.5413831472396851, acc = 0.8056640625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.45127907395362854, acc = 0.8466796875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.47170746326446533, acc = 0.841796875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.4834755063056946, acc = 0.830078125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.6081022024154663, acc = 0.8095703125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.5422992706298828, acc = 0.818359375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.5070732235908508, acc = 0.8232421875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.4547967314720154, acc = 0.8388671875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.48797011375427246, acc = 0.845703125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.5781881809234619, acc = 0.7958984375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.46570366621017456, acc = 0.8408203125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.5473324060440063, acc = 0.8095703125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.5438622832298279, acc = 0.8232421875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.4742075204849243, acc = 0.845703125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.4111272394657135, acc = 0.87109375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.5001187324523926, acc = 0.8447265625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.5027601718902588, acc = 0.8330078125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.47877922654151917, acc = 0.84765625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.4609736204147339, acc = 0.8369140625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.4969402551651001, acc = 0.8349609375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.5448999404907227, acc = 0.814453125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.42594796419143677, acc = 0.8603515625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.45322126150131226, acc = 0.8427734375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.47749197483062744, acc = 0.8388671875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.4869574308395386, acc = 0.83984375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.4676623046398163, acc = 0.841796875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.41444092988967896, acc = 0.8603515625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.4073326587677002, acc = 0.865234375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.4429071545600891, acc = 0.8583984375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.5071770548820496, acc = 0.83203125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.458004891872406, acc = 0.8515625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.42025962471961975, acc = 0.8486328125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.4386424720287323, acc = 0.849609375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.478606641292572, acc = 0.8427734375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.4618973433971405, acc = 0.8349609375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.5081018805503845, acc = 0.8291015625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.38857054710388184, acc = 0.8720703125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.42324119806289673, acc = 0.8623046875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.47801464796066284, acc = 0.8544921875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.561148464679718, acc = 0.8115234375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.5053974986076355, acc = 0.8310546875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.41305696964263916, acc = 0.8662109375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.491086483001709, acc = 0.8291015625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.45851314067840576, acc = 0.845703125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.42567962408065796, acc = 0.8515625
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.4545801281929016, acc = 0.8466796875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.4293121099472046, acc = 0.8671875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.5043961405754089, acc = 0.8291015625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.4779946804046631, acc = 0.8388671875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.4245179295539856, acc = 0.869140625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.5053565502166748, acc = 0.8310546875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.5249714255332947, acc = 0.8291015625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.5654609203338623, acc = 0.806640625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.5147859454154968, acc = 0.8251953125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.4689016342163086, acc = 0.8408203125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.5014036297798157, acc = 0.8310546875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.4550839960575104, acc = 0.84765625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.459766149520874, acc = 0.837890625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.49010393023490906, acc = 0.837890625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.45747867226600647, acc = 0.845703125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.4295308589935303, acc = 0.8671875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.46028611063957214, acc = 0.8505859375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.5301905870437622, acc = 0.8349609375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.46567729115486145, acc = 0.84375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.4373614490032196, acc = 0.857421875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.5099125504493713, acc = 0.837890625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.4709739685058594, acc = 0.845703125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.47100335359573364, acc = 0.8369140625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.4922189712524414, acc = 0.8369140625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.4854046702384949, acc = 0.8427734375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.41299745440483093, acc = 0.861328125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.43089058995246887, acc = 0.859375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.47818005084991455, acc = 0.83203125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.5164684057235718, acc = 0.8212890625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.47731706500053406, acc = 0.8427734375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.4680241346359253, acc = 0.8447265625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.5214903354644775, acc = 0.826171875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.5109851956367493, acc = 0.82421875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.47359052300453186, acc = 0.841796875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.49383923411369324, acc = 0.83984375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.48929452896118164, acc = 0.841796875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.4144451916217804, acc = 0.8505859375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.4232769012451172, acc = 0.861328125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.46419623494148254, acc = 0.849609375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.4552372395992279, acc = 0.84375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.45236071944236755, acc = 0.8369140625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.4916074275970459, acc = 0.833984375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.432616651058197, acc = 0.8681640625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.4975939989089966, acc = 0.8427734375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.45907825231552124, acc = 0.8447265625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.49166339635849, acc = 0.830078125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.484008252620697, acc = 0.8427734375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.4986826181411743, acc = 0.8388671875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.5498064160346985, acc = 0.8076171875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.4617038071155548, acc = 0.8486328125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.44008320569992065, acc = 0.8447265625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.5044688582420349, acc = 0.8330078125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.4693368077278137, acc = 0.8369140625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.48749810457229614, acc = 0.833984375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.44893020391464233, acc = 0.841796875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.47633349895477295, acc = 0.8388671875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.4838736653327942, acc = 0.8369140625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.506611704826355, acc = 0.828125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.515896737575531, acc = 0.8359375

Epoch 54/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.660822331905365, acc = 0.7919921875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.5939658880233765, acc = 0.8017578125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.5275993347167969, acc = 0.826171875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.5153769254684448, acc = 0.8349609375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.5934518575668335, acc = 0.8125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.5582990646362305, acc = 0.806640625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.48835062980651855, acc = 0.83203125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.5158621668815613, acc = 0.828125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.47691452503204346, acc = 0.845703125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.4358404874801636, acc = 0.8515625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.52386474609375, acc = 0.837890625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.5165979862213135, acc = 0.8203125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.4568612277507782, acc = 0.828125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.5316376686096191, acc = 0.8271484375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.4577893614768982, acc = 0.8369140625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.5157584547996521, acc = 0.8212890625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.5129586458206177, acc = 0.822265625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.473543643951416, acc = 0.8515625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.46148481965065, acc = 0.8525390625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.518892228603363, acc = 0.833984375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.5341017842292786, acc = 0.8369140625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.49497824907302856, acc = 0.8271484375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.49330589175224304, acc = 0.8310546875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.44986963272094727, acc = 0.85546875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.43802136182785034, acc = 0.845703125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.47585055232048035, acc = 0.833984375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.5837787389755249, acc = 0.818359375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.5100926160812378, acc = 0.8203125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.47638845443725586, acc = 0.8310546875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.45803093910217285, acc = 0.8466796875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.5059015154838562, acc = 0.8486328125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.5342711806297302, acc = 0.82421875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.46183863282203674, acc = 0.84375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.5191388130187988, acc = 0.8291015625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.5113945603370667, acc = 0.8388671875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.4455806016921997, acc = 0.8486328125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.412169873714447, acc = 0.8564453125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.48649847507476807, acc = 0.8330078125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.4772339165210724, acc = 0.8447265625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.48166394233703613, acc = 0.841796875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.44702449440956116, acc = 0.84375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.46039411425590515, acc = 0.8466796875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.5077231526374817, acc = 0.830078125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.4225895404815674, acc = 0.8642578125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.4205215573310852, acc = 0.8681640625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.44846615195274353, acc = 0.8427734375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.4773789644241333, acc = 0.837890625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.4601800739765167, acc = 0.833984375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.4128173887729645, acc = 0.8642578125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.4221978783607483, acc = 0.8642578125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.4470137059688568, acc = 0.8525390625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.5054504871368408, acc = 0.8203125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.47592630982398987, acc = 0.8388671875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.40076744556427, acc = 0.8642578125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.4417932629585266, acc = 0.8486328125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.49379029870033264, acc = 0.8310546875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.5068523287773132, acc = 0.818359375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.5251424312591553, acc = 0.818359375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.37542206048965454, acc = 0.869140625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.4617852568626404, acc = 0.8359375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.464374303817749, acc = 0.853515625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.546504557132721, acc = 0.81640625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.4690829813480377, acc = 0.8388671875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.4127534031867981, acc = 0.8701171875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.48104172945022583, acc = 0.8388671875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.4550030827522278, acc = 0.833984375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.43390318751335144, acc = 0.8505859375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.472112238407135, acc = 0.8408203125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.4093084931373596, acc = 0.8642578125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.5173556208610535, acc = 0.8203125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.5062930583953857, acc = 0.8291015625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.4082321226596832, acc = 0.86328125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.505786120891571, acc = 0.83203125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.5504107475280762, acc = 0.8173828125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.5360969305038452, acc = 0.83203125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.5419310927391052, acc = 0.8125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.4319847524166107, acc = 0.8466796875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.45554113388061523, acc = 0.84375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.46800869703292847, acc = 0.8408203125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.4828091859817505, acc = 0.8359375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.5245314836502075, acc = 0.8251953125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.4684191942214966, acc = 0.8388671875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.46855083107948303, acc = 0.84375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.44713646173477173, acc = 0.8525390625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.5301564335823059, acc = 0.8251953125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.4585826098918915, acc = 0.837890625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.4401383399963379, acc = 0.845703125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.5350318551063538, acc = 0.8251953125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.46468403935432434, acc = 0.8486328125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.4357762038707733, acc = 0.8505859375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.4851446747779846, acc = 0.8369140625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.47648677229881287, acc = 0.845703125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.388905793428421, acc = 0.8701171875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.46230626106262207, acc = 0.8505859375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.4589427411556244, acc = 0.8525390625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.5262417793273926, acc = 0.8291015625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.45231306552886963, acc = 0.859375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.45945316553115845, acc = 0.8486328125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.4771539270877838, acc = 0.8369140625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.5106548070907593, acc = 0.8154296875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.47458168864250183, acc = 0.83203125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.4748023748397827, acc = 0.83203125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.4456063508987427, acc = 0.85546875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.3969388008117676, acc = 0.8681640625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.39734601974487305, acc = 0.8701171875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.4485311210155487, acc = 0.8447265625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.42649978399276733, acc = 0.85546875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.4414443373680115, acc = 0.85546875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.46483391523361206, acc = 0.8349609375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.42522019147872925, acc = 0.869140625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.5153061151504517, acc = 0.826171875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.4670172929763794, acc = 0.8388671875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.5079087615013123, acc = 0.8359375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.49159151315689087, acc = 0.828125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.5202503800392151, acc = 0.8251953125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.5163260102272034, acc = 0.8447265625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.46077167987823486, acc = 0.8505859375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.42366883158683777, acc = 0.8701171875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.48570412397384644, acc = 0.833984375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.47593989968299866, acc = 0.830078125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.4817100167274475, acc = 0.8369140625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.4420655369758606, acc = 0.8388671875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.45827844738960266, acc = 0.853515625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.4868371784687042, acc = 0.826171875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.5231715440750122, acc = 0.8125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.5071544647216797, acc = 0.830078125

Epoch 55/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.6324395537376404, acc = 0.798828125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.5790441036224365, acc = 0.7998046875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.5108627080917358, acc = 0.83203125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.4864327907562256, acc = 0.8466796875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.5645180940628052, acc = 0.7978515625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.4975143074989319, acc = 0.8310546875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.4463766813278198, acc = 0.8427734375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.5252385139465332, acc = 0.822265625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.4669807553291321, acc = 0.8486328125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.41271689534187317, acc = 0.8642578125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.48518991470336914, acc = 0.8447265625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.46864140033721924, acc = 0.8359375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.45449498295783997, acc = 0.8408203125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.4752078354358673, acc = 0.837890625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.47255876660346985, acc = 0.8310546875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.5355631113052368, acc = 0.81640625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.4797538220882416, acc = 0.8447265625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.5156452655792236, acc = 0.8310546875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.46423450112342834, acc = 0.837890625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.5050320625305176, acc = 0.8427734375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.5069987177848816, acc = 0.830078125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.46499747037887573, acc = 0.8408203125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.4891960620880127, acc = 0.8330078125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.43292224407196045, acc = 0.8544921875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.4531741142272949, acc = 0.84765625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.46390146017074585, acc = 0.8525390625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.5549762845039368, acc = 0.80859375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.527068555355072, acc = 0.8330078125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.5052976608276367, acc = 0.828125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.4599018692970276, acc = 0.84375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.4974602460861206, acc = 0.849609375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.5437531471252441, acc = 0.822265625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.44234201312065125, acc = 0.85546875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.4835503101348877, acc = 0.8447265625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.5035716891288757, acc = 0.841796875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.42374172806739807, acc = 0.8544921875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.40084436535835266, acc = 0.8583984375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.4792404770851135, acc = 0.8447265625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.49242252111434937, acc = 0.8203125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.49450117349624634, acc = 0.8349609375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.44253629446029663, acc = 0.85546875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.5012290477752686, acc = 0.830078125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.5136926174163818, acc = 0.8310546875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.41523420810699463, acc = 0.869140625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.41899746656417847, acc = 0.8623046875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.4298175573348999, acc = 0.8525390625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.46117788553237915, acc = 0.84375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.46794894337654114, acc = 0.83984375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.4381105601787567, acc = 0.8515625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.41691017150878906, acc = 0.8662109375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.4522289037704468, acc = 0.845703125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.47122642397880554, acc = 0.841796875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.43606334924697876, acc = 0.859375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.38868123292922974, acc = 0.8642578125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.41986462473869324, acc = 0.8671875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.4636540412902832, acc = 0.845703125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.506054699420929, acc = 0.8291015625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.5304405689239502, acc = 0.8193359375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.3621301054954529, acc = 0.880859375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.4512510299682617, acc = 0.853515625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.4582957923412323, acc = 0.8525390625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.5812491774559021, acc = 0.810546875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.4467542767524719, acc = 0.8525390625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.40197592973709106, acc = 0.8671875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.5108633637428284, acc = 0.8232421875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.4681219160556793, acc = 0.833984375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.4610964059829712, acc = 0.8427734375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.4812420606613159, acc = 0.8330078125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.41356971859931946, acc = 0.861328125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.5233125686645508, acc = 0.818359375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.46130266785621643, acc = 0.841796875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.40009093284606934, acc = 0.865234375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.4926241934299469, acc = 0.8427734375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.5053954720497131, acc = 0.8271484375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.568630576133728, acc = 0.8134765625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.5187696218490601, acc = 0.8291015625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.4725194275379181, acc = 0.8359375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.4620010256767273, acc = 0.83984375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.43904486298561096, acc = 0.84765625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.48480886220932007, acc = 0.8310546875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.4926156997680664, acc = 0.8349609375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.4662635326385498, acc = 0.8447265625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.4485563039779663, acc = 0.845703125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.4563612937927246, acc = 0.853515625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.5083491206169128, acc = 0.828125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.45153677463531494, acc = 0.8525390625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.44701364636421204, acc = 0.8447265625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.5014833211898804, acc = 0.8427734375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.4590793251991272, acc = 0.837890625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.46584242582321167, acc = 0.8447265625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.47692957520484924, acc = 0.8427734375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.460184246301651, acc = 0.8505859375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.40681761503219604, acc = 0.8740234375
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.44471830129623413, acc = 0.8515625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.4524413049221039, acc = 0.845703125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.5151204466819763, acc = 0.822265625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.459667831659317, acc = 0.85546875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.4513847231864929, acc = 0.8505859375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.5000258088111877, acc = 0.83984375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.48104149103164673, acc = 0.8271484375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.47510606050491333, acc = 0.8271484375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.47719433903694153, acc = 0.8427734375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.47087761759757996, acc = 0.8408203125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.41988563537597656, acc = 0.8583984375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.42349550127983093, acc = 0.8623046875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.4427312910556793, acc = 0.84765625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.4507991075515747, acc = 0.84765625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.4355936348438263, acc = 0.857421875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.5053539872169495, acc = 0.8359375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.4178136885166168, acc = 0.8642578125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.49089398980140686, acc = 0.833984375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.45381706953048706, acc = 0.8603515625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.4674842357635498, acc = 0.83203125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.493654727935791, acc = 0.8388671875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.4677618443965912, acc = 0.8310546875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.5267165303230286, acc = 0.8251953125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.44399288296699524, acc = 0.8466796875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.4113782048225403, acc = 0.8642578125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.4783998727798462, acc = 0.841796875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.45726361870765686, acc = 0.83984375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.4852306842803955, acc = 0.841796875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.4238712787628174, acc = 0.8515625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.450547993183136, acc = 0.8486328125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.5067586898803711, acc = 0.8349609375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.5400896668434143, acc = 0.8271484375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.49569010734558105, acc = 0.841796875

Epoch 56/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.5795897841453552, acc = 0.80859375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.5487131476402283, acc = 0.8193359375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.47117680311203003, acc = 0.845703125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.4901185631752014, acc = 0.8359375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.5562071204185486, acc = 0.8173828125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.5042869448661804, acc = 0.826171875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.5021405816078186, acc = 0.8203125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.4810883402824402, acc = 0.8564453125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.4701460897922516, acc = 0.8466796875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.39729931950569153, acc = 0.8671875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.5141788721084595, acc = 0.822265625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.46699291467666626, acc = 0.8544921875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.4409783184528351, acc = 0.8388671875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.4981667399406433, acc = 0.8291015625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.44441699981689453, acc = 0.841796875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.5166886448860168, acc = 0.8330078125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.48987478017807007, acc = 0.8408203125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.49735212326049805, acc = 0.8349609375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.45106714963912964, acc = 0.853515625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.4603477418422699, acc = 0.8369140625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.4871027171611786, acc = 0.8310546875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.4581141471862793, acc = 0.837890625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.4956929385662079, acc = 0.833984375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.4381833076477051, acc = 0.849609375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.4246687889099121, acc = 0.84375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.4556838572025299, acc = 0.8427734375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.5445799827575684, acc = 0.8271484375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.5417683124542236, acc = 0.8154296875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.49289315938949585, acc = 0.8193359375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.4503157138824463, acc = 0.845703125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.5048114657402039, acc = 0.8330078125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.5423014760017395, acc = 0.81640625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.42382898926734924, acc = 0.8505859375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.4818902611732483, acc = 0.83984375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.47184351086616516, acc = 0.8486328125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.4169215261936188, acc = 0.859375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.39187613129615784, acc = 0.87109375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.469319224357605, acc = 0.845703125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.4660114347934723, acc = 0.8369140625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.47743844985961914, acc = 0.8369140625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.4140529930591583, acc = 0.8544921875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.43564528226852417, acc = 0.857421875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.5209871530532837, acc = 0.8134765625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.4055306911468506, acc = 0.85546875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.3916463255882263, acc = 0.873046875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.4306168556213379, acc = 0.8544921875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.4705314040184021, acc = 0.841796875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.4815591275691986, acc = 0.8271484375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.40493112802505493, acc = 0.8681640625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.39819803833961487, acc = 0.8740234375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.42730650305747986, acc = 0.857421875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.4561332166194916, acc = 0.8486328125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.44333595037460327, acc = 0.849609375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.39743709564208984, acc = 0.869140625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.41084277629852295, acc = 0.8642578125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.4458964169025421, acc = 0.85546875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.49875831604003906, acc = 0.833984375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.48582446575164795, acc = 0.83203125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.37743693590164185, acc = 0.87109375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.4412144124507904, acc = 0.8515625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.41840046644210815, acc = 0.85546875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.5217769145965576, acc = 0.8203125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.4631640315055847, acc = 0.8466796875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.3892226219177246, acc = 0.8759765625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.49352169036865234, acc = 0.833984375
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.4631328284740448, acc = 0.8212890625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.4078625738620758, acc = 0.8681640625
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.39803725481033325, acc = 0.8779296875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.4034390449523926, acc = 0.8583984375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.5041157007217407, acc = 0.8330078125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.4704694449901581, acc = 0.83984375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.39814668893814087, acc = 0.8671875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.523713231086731, acc = 0.8330078125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.4988342225551605, acc = 0.84375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.541159987449646, acc = 0.826171875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.5049827098846436, acc = 0.8291015625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.48432445526123047, acc = 0.83984375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.48140519857406616, acc = 0.8369140625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.4558207392692566, acc = 0.84375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.47836291790008545, acc = 0.830078125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.4728052318096161, acc = 0.84375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.46738237142562866, acc = 0.841796875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.4132702052593231, acc = 0.861328125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.46602433919906616, acc = 0.8359375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.4841923415660858, acc = 0.837890625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.4390266537666321, acc = 0.8564453125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.44873207807540894, acc = 0.8603515625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.5413671731948853, acc = 0.82421875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.4617689251899719, acc = 0.8544921875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.46270638704299927, acc = 0.84765625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.4799916744232178, acc = 0.84375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.4680477976799011, acc = 0.853515625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.3894805312156677, acc = 0.8642578125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.4283486604690552, acc = 0.8515625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.4526086449623108, acc = 0.8486328125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.492171972990036, acc = 0.828125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.4732010066509247, acc = 0.8466796875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.44398415088653564, acc = 0.8583984375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.5029047727584839, acc = 0.826171875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.47013723850250244, acc = 0.8388671875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.446223646402359, acc = 0.849609375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.4520929157733917, acc = 0.8427734375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.4806254804134369, acc = 0.8388671875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.4366632103919983, acc = 0.85546875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.42604559659957886, acc = 0.857421875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.4069153666496277, acc = 0.8642578125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.4256340563297272, acc = 0.84765625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.43227991461753845, acc = 0.86328125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.45971664786338806, acc = 0.8408203125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.42028212547302246, acc = 0.8623046875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.4805649518966675, acc = 0.84765625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.45053842663764954, acc = 0.8466796875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.44784045219421387, acc = 0.84765625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.4753347635269165, acc = 0.8447265625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.4696695804595947, acc = 0.8388671875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.4867386221885681, acc = 0.828125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.4458978772163391, acc = 0.849609375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.4106752872467041, acc = 0.86328125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.48806333541870117, acc = 0.8291015625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.4279186427593231, acc = 0.849609375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.47265303134918213, acc = 0.837890625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.430728942155838, acc = 0.849609375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.4230881333351135, acc = 0.8623046875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.46046778559684753, acc = 0.84765625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.5068609118461609, acc = 0.8251953125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.4689306914806366, acc = 0.8486328125

Epoch 57/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.5967720746994019, acc = 0.810546875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.5333408117294312, acc = 0.818359375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.47174060344696045, acc = 0.84765625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.4350522458553314, acc = 0.8623046875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.5408563017845154, acc = 0.8212890625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.5066786408424377, acc = 0.8369140625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.4680955410003662, acc = 0.84765625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.469405859708786, acc = 0.8369140625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.4753042459487915, acc = 0.845703125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.41263723373413086, acc = 0.8583984375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.482729971408844, acc = 0.837890625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.45655643939971924, acc = 0.8349609375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.43802857398986816, acc = 0.8564453125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.4694177806377411, acc = 0.8349609375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.4323551058769226, acc = 0.859375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.4806484580039978, acc = 0.84375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.4659739136695862, acc = 0.8359375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.5137797594070435, acc = 0.828125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.46174678206443787, acc = 0.845703125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.4850647449493408, acc = 0.8388671875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.5063222646713257, acc = 0.82421875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.4311598539352417, acc = 0.8447265625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.49956926703453064, acc = 0.830078125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.45149940252304077, acc = 0.845703125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.40057533979415894, acc = 0.86328125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.4226846992969513, acc = 0.8544921875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.5328433513641357, acc = 0.8154296875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.49597012996673584, acc = 0.8408203125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.4793040454387665, acc = 0.833984375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.40964919328689575, acc = 0.865234375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.4662293493747711, acc = 0.8603515625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.5393350720405579, acc = 0.8115234375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.4163399636745453, acc = 0.859375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.47828876972198486, acc = 0.830078125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.48292869329452515, acc = 0.837890625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.37874117493629456, acc = 0.873046875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.4312565326690674, acc = 0.8642578125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.4703594148159027, acc = 0.8466796875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.4359174072742462, acc = 0.8603515625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.4492775797843933, acc = 0.8505859375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.4167921245098114, acc = 0.86328125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.4492889642715454, acc = 0.8408203125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.5192404985427856, acc = 0.8251953125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.42414629459381104, acc = 0.8515625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.37427428364753723, acc = 0.876953125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.4595983624458313, acc = 0.8369140625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.46823519468307495, acc = 0.84765625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.43103688955307007, acc = 0.84765625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.3815748989582062, acc = 0.8681640625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.38985738158226013, acc = 0.8701171875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.4173741042613983, acc = 0.8544921875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.45911577343940735, acc = 0.8369140625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.41727861762046814, acc = 0.8525390625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.38502007722854614, acc = 0.869140625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.4030819237232208, acc = 0.853515625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.4598689675331116, acc = 0.841796875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.4585036635398865, acc = 0.8349609375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.5127477049827576, acc = 0.814453125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.35374653339385986, acc = 0.8828125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.4387538433074951, acc = 0.8466796875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.4140852391719818, acc = 0.869140625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.5087871551513672, acc = 0.8212890625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.42924392223358154, acc = 0.8642578125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.408122718334198, acc = 0.8779296875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.4468057155609131, acc = 0.85546875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.422162801027298, acc = 0.8544921875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.432488352060318, acc = 0.8525390625
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.4465027153491974, acc = 0.84375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.37986698746681213, acc = 0.876953125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.5079642534255981, acc = 0.814453125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.4557510018348694, acc = 0.8466796875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.40892988443374634, acc = 0.8603515625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.4745928943157196, acc = 0.84765625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.4875418543815613, acc = 0.837890625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.5470172762870789, acc = 0.822265625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.48695108294487, acc = 0.8349609375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.4549289047718048, acc = 0.8427734375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.4672376215457916, acc = 0.8408203125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.44131672382354736, acc = 0.84765625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.46273940801620483, acc = 0.83203125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.4894871413707733, acc = 0.8349609375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.4385116696357727, acc = 0.8544921875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.4517327845096588, acc = 0.8486328125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.45152533054351807, acc = 0.8349609375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.5079581141471863, acc = 0.8212890625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.45913204550743103, acc = 0.84765625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.44274622201919556, acc = 0.85546875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.513115406036377, acc = 0.8212890625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.4182435870170593, acc = 0.8720703125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.4494244456291199, acc = 0.8505859375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.47435441613197327, acc = 0.853515625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.461455762386322, acc = 0.8525390625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.4109530746936798, acc = 0.8564453125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.43044787645339966, acc = 0.857421875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.4477025270462036, acc = 0.85546875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.4984710216522217, acc = 0.8310546875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.41088348627090454, acc = 0.869140625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.43029844760894775, acc = 0.84765625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.5180174708366394, acc = 0.833984375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.4892023503780365, acc = 0.810546875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.44015443325042725, acc = 0.8486328125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.47607558965682983, acc = 0.8359375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.4865962862968445, acc = 0.8349609375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.3998844027519226, acc = 0.8681640625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.42809686064720154, acc = 0.853515625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.42354869842529297, acc = 0.8408203125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.4123716354370117, acc = 0.869140625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.43742382526397705, acc = 0.8515625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.477816641330719, acc = 0.837890625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.4378163814544678, acc = 0.86328125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.5034116506576538, acc = 0.841796875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.46923649311065674, acc = 0.8427734375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.46080297231674194, acc = 0.8515625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.4781114459037781, acc = 0.8359375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.4496958553791046, acc = 0.845703125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.469110369682312, acc = 0.853515625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.4319595992565155, acc = 0.849609375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.4003361463546753, acc = 0.865234375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.4603651463985443, acc = 0.8427734375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.3974001705646515, acc = 0.86328125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.4889557361602783, acc = 0.8271484375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.4436095654964447, acc = 0.8388671875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.45576784014701843, acc = 0.853515625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.5098776817321777, acc = 0.83203125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.47691810131073, acc = 0.8427734375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.4820632040500641, acc = 0.845703125

Epoch 58/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.5829352140426636, acc = 0.810546875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.4832446575164795, acc = 0.8388671875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.44079968333244324, acc = 0.8486328125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.45616188645362854, acc = 0.85546875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.512803852558136, acc = 0.830078125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.5013049840927124, acc = 0.8427734375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.4566250741481781, acc = 0.8525390625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.4995037913322449, acc = 0.8271484375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.4473252296447754, acc = 0.8515625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.37904462218284607, acc = 0.8779296875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.5043936967849731, acc = 0.8291015625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.526766300201416, acc = 0.8173828125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.4298020303249359, acc = 0.8505859375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.46566101908683777, acc = 0.83984375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.4444597661495209, acc = 0.8505859375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.46886569261550903, acc = 0.8564453125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.456023246049881, acc = 0.849609375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.4816513657569885, acc = 0.8388671875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.4583210349082947, acc = 0.8505859375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.4764973521232605, acc = 0.8408203125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.4784649610519409, acc = 0.841796875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.4531341791152954, acc = 0.841796875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.5344379544258118, acc = 0.826171875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.4451054334640503, acc = 0.8486328125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.4233554005622864, acc = 0.849609375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.4545830190181732, acc = 0.8388671875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.5170302391052246, acc = 0.8291015625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.4768182039260864, acc = 0.8388671875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.448989599943161, acc = 0.8466796875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.40762218832969666, acc = 0.861328125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.45542842149734497, acc = 0.845703125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.5048641562461853, acc = 0.833984375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.4184722304344177, acc = 0.8642578125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.472792387008667, acc = 0.8330078125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.49595534801483154, acc = 0.83203125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.3841997981071472, acc = 0.869140625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.4025075137615204, acc = 0.859375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.4577476978302002, acc = 0.861328125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.4508431851863861, acc = 0.83984375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.4637771248817444, acc = 0.8388671875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.4199025332927704, acc = 0.8544921875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.43604591488838196, acc = 0.8583984375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.47251731157302856, acc = 0.8564453125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.39875057339668274, acc = 0.8583984375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.39137595891952515, acc = 0.8740234375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.41602766513824463, acc = 0.84375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.4275168776512146, acc = 0.8662109375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.4225618541240692, acc = 0.8603515625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.3940947651863098, acc = 0.8681640625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.37915584444999695, acc = 0.87109375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.39783161878585815, acc = 0.8623046875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.4262692332267761, acc = 0.85546875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.39776989817619324, acc = 0.8662109375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.3781861364841461, acc = 0.875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.4166051745414734, acc = 0.87109375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.41919398307800293, acc = 0.849609375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.4609755277633667, acc = 0.83984375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.4987105131149292, acc = 0.8427734375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.3401542603969574, acc = 0.8798828125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.3957347273826599, acc = 0.8544921875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.3978046476840973, acc = 0.873046875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.49233388900756836, acc = 0.8232421875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.46411579847335815, acc = 0.8408203125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.38211265206336975, acc = 0.880859375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.4777861535549164, acc = 0.83203125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.4492437243461609, acc = 0.845703125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.403207004070282, acc = 0.8740234375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.43782904744148254, acc = 0.85546875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.3984839916229248, acc = 0.8720703125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.47456094622612, acc = 0.8349609375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.4683956801891327, acc = 0.8427734375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.41124433279037476, acc = 0.861328125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.4879794120788574, acc = 0.8369140625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.48658648133277893, acc = 0.83203125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.5469067096710205, acc = 0.8056640625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.5074416995048523, acc = 0.8310546875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.43033841252326965, acc = 0.8486328125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.431292861700058, acc = 0.8623046875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.42075106501579285, acc = 0.8427734375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.428538054227829, acc = 0.84765625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.44890305399894714, acc = 0.849609375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.4168466627597809, acc = 0.861328125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.44135141372680664, acc = 0.84375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.43546023964881897, acc = 0.853515625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.4759680926799774, acc = 0.8330078125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.41462135314941406, acc = 0.869140625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.4044461250305176, acc = 0.869140625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.4896453619003296, acc = 0.8359375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.41208189725875854, acc = 0.8662109375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.4403786063194275, acc = 0.84765625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.4430896043777466, acc = 0.8525390625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.4642304480075836, acc = 0.8515625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.38035348057746887, acc = 0.876953125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.4092634320259094, acc = 0.8603515625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.4220832586288452, acc = 0.8642578125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.48005181550979614, acc = 0.8486328125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.44846561551094055, acc = 0.85546875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.395146906375885, acc = 0.8642578125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.5030790567398071, acc = 0.828125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.4619905650615692, acc = 0.8310546875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.49791014194488525, acc = 0.8203125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.4749475121498108, acc = 0.8427734375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.4482651948928833, acc = 0.8583984375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.3864215314388275, acc = 0.8681640625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.4002216160297394, acc = 0.861328125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.4264512062072754, acc = 0.857421875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.4031667709350586, acc = 0.8623046875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.43979406356811523, acc = 0.85546875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.44357526302337646, acc = 0.8525390625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.4244597554206848, acc = 0.857421875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.4849337935447693, acc = 0.8388671875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.4343106150627136, acc = 0.857421875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.4379368722438812, acc = 0.865234375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.45442813634872437, acc = 0.859375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.45004063844680786, acc = 0.845703125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.4996958374977112, acc = 0.83203125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.39546263217926025, acc = 0.876953125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.40251410007476807, acc = 0.8544921875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.44066041707992554, acc = 0.8466796875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.38393354415893555, acc = 0.87890625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.4662007987499237, acc = 0.83984375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.4083700478076935, acc = 0.8740234375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.44719794392585754, acc = 0.8427734375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.4737141728401184, acc = 0.8408203125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.4954489469528198, acc = 0.845703125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.4753880798816681, acc = 0.8388671875

Epoch 59/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.5742985010147095, acc = 0.8203125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.5022255182266235, acc = 0.83203125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.437592089176178, acc = 0.857421875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.4467398524284363, acc = 0.861328125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.4937790632247925, acc = 0.8203125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.4627714455127716, acc = 0.8369140625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.4426729679107666, acc = 0.8564453125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.4597828984260559, acc = 0.83984375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.4145106077194214, acc = 0.861328125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.3869536221027374, acc = 0.8779296875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.4914705455303192, acc = 0.8349609375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.4573451578617096, acc = 0.833984375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.4474780261516571, acc = 0.8525390625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.46388790011405945, acc = 0.8427734375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.4244253635406494, acc = 0.8544921875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.4676976203918457, acc = 0.853515625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.4658411145210266, acc = 0.8486328125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.4679669439792633, acc = 0.841796875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.4502561390399933, acc = 0.849609375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.45964014530181885, acc = 0.8466796875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.46548137068748474, acc = 0.8359375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.4330194294452667, acc = 0.8515625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.49718695878982544, acc = 0.828125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.4288429021835327, acc = 0.8486328125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.4042685031890869, acc = 0.8662109375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.44040757417678833, acc = 0.84765625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.49165815114974976, acc = 0.833984375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.47892776131629944, acc = 0.8408203125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.4407169222831726, acc = 0.84375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.3963744342327118, acc = 0.857421875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.46342045068740845, acc = 0.86328125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.5355746746063232, acc = 0.8193359375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.4106251001358032, acc = 0.8623046875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.4609293043613434, acc = 0.8515625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.500313937664032, acc = 0.8603515625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.3898695409297943, acc = 0.876953125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.3818712830543518, acc = 0.8740234375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.4296801686286926, acc = 0.859375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.4603146016597748, acc = 0.8466796875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.4481770098209381, acc = 0.8515625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.4121752977371216, acc = 0.857421875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.43077144026756287, acc = 0.8564453125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.47270339727401733, acc = 0.84765625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.38557398319244385, acc = 0.87109375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.3682393729686737, acc = 0.87890625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.41754958033561707, acc = 0.857421875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.4233023524284363, acc = 0.86328125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.4107039272785187, acc = 0.8681640625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.3506971597671509, acc = 0.875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.3762242794036865, acc = 0.8759765625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.39529746770858765, acc = 0.8603515625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.42573463916778564, acc = 0.8603515625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.4063062369823456, acc = 0.8701171875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.34771648049354553, acc = 0.8857421875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.38345766067504883, acc = 0.876953125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.41288214921951294, acc = 0.8525390625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.4643750786781311, acc = 0.8515625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.4700402319431305, acc = 0.841796875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.3355635106563568, acc = 0.8896484375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.40039458870887756, acc = 0.859375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.4009969234466553, acc = 0.8720703125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.5248292088508606, acc = 0.826171875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.43297630548477173, acc = 0.8623046875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.411604106426239, acc = 0.8671875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.45857158303260803, acc = 0.841796875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.44150930643081665, acc = 0.859375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.43550100922584534, acc = 0.8544921875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.4531896412372589, acc = 0.8505859375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.39771920442581177, acc = 0.87109375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.4555090665817261, acc = 0.837890625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.45181459188461304, acc = 0.84765625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.38097789883613586, acc = 0.8759765625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.46690890192985535, acc = 0.8408203125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.4900236129760742, acc = 0.8330078125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.5403264164924622, acc = 0.8134765625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.4376260042190552, acc = 0.8525390625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.4804835915565491, acc = 0.828125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.4460618495941162, acc = 0.8544921875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.41724228858947754, acc = 0.86328125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.43223249912261963, acc = 0.8505859375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.4285963177680969, acc = 0.853515625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.407410591840744, acc = 0.8642578125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.4439722001552582, acc = 0.85546875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.430564820766449, acc = 0.857421875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.49117329716682434, acc = 0.8427734375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.4020249843597412, acc = 0.8623046875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.3986421227455139, acc = 0.8701171875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.4953876733779907, acc = 0.830078125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.4035699665546417, acc = 0.880859375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.4307413697242737, acc = 0.85546875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.4644675850868225, acc = 0.84765625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.44534093141555786, acc = 0.8583984375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.37271377444267273, acc = 0.8779296875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.4358387589454651, acc = 0.8544921875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.4203900694847107, acc = 0.849609375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.46910756826400757, acc = 0.8466796875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.4365878999233246, acc = 0.857421875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.379403293132782, acc = 0.865234375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.46478188037872314, acc = 0.8515625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.43958133459091187, acc = 0.84765625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.458456814289093, acc = 0.8486328125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.4658643305301666, acc = 0.83984375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.46263623237609863, acc = 0.8544921875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.38232046365737915, acc = 0.8701171875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.38345444202423096, acc = 0.8759765625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.40403708815574646, acc = 0.8603515625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.4082776606082916, acc = 0.8505859375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.40248018503189087, acc = 0.87109375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.42813539505004883, acc = 0.8544921875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.40771061182022095, acc = 0.8701171875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.4763777554035187, acc = 0.8486328125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.4300593137741089, acc = 0.86328125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.41454654932022095, acc = 0.8564453125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.4641948342323303, acc = 0.8447265625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.44742411375045776, acc = 0.8505859375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.4857272207736969, acc = 0.8203125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.4077824652194977, acc = 0.8681640625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.40895164012908936, acc = 0.8662109375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.4392804205417633, acc = 0.8662109375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.4096974730491638, acc = 0.86328125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.4475553035736084, acc = 0.8525390625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.4178691506385803, acc = 0.853515625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.4243302345275879, acc = 0.859375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.4521963894367218, acc = 0.83984375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.4832440912723541, acc = 0.833984375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.4862837791442871, acc = 0.8349609375

Epoch 60/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.560309112071991, acc = 0.8271484375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.49992144107818604, acc = 0.8251953125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.46005621552467346, acc = 0.8466796875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.41020098328590393, acc = 0.875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.46987974643707275, acc = 0.84765625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.49866488575935364, acc = 0.8388671875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.4166039228439331, acc = 0.857421875
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.4793825149536133, acc = 0.83984375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.43589845299720764, acc = 0.85546875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.3846448063850403, acc = 0.875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.46309608221054077, acc = 0.8486328125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.43327027559280396, acc = 0.8564453125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.39916539192199707, acc = 0.8681640625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.46228745579719543, acc = 0.8369140625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.4270775020122528, acc = 0.8486328125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.4378225803375244, acc = 0.8486328125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.417285680770874, acc = 0.8544921875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.4536307156085968, acc = 0.8505859375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.44844645261764526, acc = 0.857421875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.4247240424156189, acc = 0.85546875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.4819127917289734, acc = 0.8388671875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.4161725640296936, acc = 0.865234375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.478695809841156, acc = 0.8349609375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.38589489459991455, acc = 0.8740234375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.4137389361858368, acc = 0.8662109375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.41739457845687866, acc = 0.8623046875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.5114836692810059, acc = 0.830078125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.44421425461769104, acc = 0.8427734375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.4472891092300415, acc = 0.83984375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.3895401358604431, acc = 0.8671875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.43692466616630554, acc = 0.8642578125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.48930397629737854, acc = 0.828125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.40588974952697754, acc = 0.87109375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.44623488187789917, acc = 0.853515625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.46869027614593506, acc = 0.8427734375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.35799187421798706, acc = 0.8828125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.3790321350097656, acc = 0.8662109375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.4444241523742676, acc = 0.857421875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.425957053899765, acc = 0.8642578125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.4175158143043518, acc = 0.8623046875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.42169487476348877, acc = 0.857421875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.40707558393478394, acc = 0.8642578125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.47359269857406616, acc = 0.837890625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.36364036798477173, acc = 0.8759765625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.3944994807243347, acc = 0.8671875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.3979346454143524, acc = 0.875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.44829559326171875, acc = 0.845703125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.4250395894050598, acc = 0.8642578125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.36481356620788574, acc = 0.8740234375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.3558921813964844, acc = 0.8955078125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.42373666167259216, acc = 0.8583984375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.4282895624637604, acc = 0.84765625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.3939441740512848, acc = 0.865234375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.3435584008693695, acc = 0.8779296875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.38590937852859497, acc = 0.8828125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.42294642329216003, acc = 0.8544921875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.4718663692474365, acc = 0.830078125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.46005725860595703, acc = 0.84375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.32492244243621826, acc = 0.8984375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.3782396614551544, acc = 0.8671875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.4159717261791229, acc = 0.8671875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.4602738320827484, acc = 0.849609375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.4534078538417816, acc = 0.83984375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.3713160753250122, acc = 0.873046875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.4092068672180176, acc = 0.8564453125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.4011884033679962, acc = 0.86328125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.390850692987442, acc = 0.86328125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.4535386860370636, acc = 0.853515625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.3659403920173645, acc = 0.880859375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.4373174011707306, acc = 0.853515625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.4311060309410095, acc = 0.849609375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.3769172430038452, acc = 0.8701171875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.431745707988739, acc = 0.853515625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.43733635544776917, acc = 0.8525390625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.5171337723731995, acc = 0.8310546875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.48374420404434204, acc = 0.8232421875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.43057703971862793, acc = 0.8603515625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.45930778980255127, acc = 0.8359375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.39901989698410034, acc = 0.8525390625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.37463274598121643, acc = 0.8740234375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.44090205430984497, acc = 0.857421875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.4134383797645569, acc = 0.857421875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.42074650526046753, acc = 0.841796875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.42311856150627136, acc = 0.849609375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.47895684838294983, acc = 0.833984375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.42607471346855164, acc = 0.8671875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.4146740734577179, acc = 0.87109375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.4618512988090515, acc = 0.85546875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.40876445174217224, acc = 0.876953125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.41832906007766724, acc = 0.869140625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.45883288979530334, acc = 0.8447265625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.4331235885620117, acc = 0.8486328125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.35909324884414673, acc = 0.8828125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.3762221932411194, acc = 0.87109375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.4027530550956726, acc = 0.875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.4470316469669342, acc = 0.8544921875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.4323377013206482, acc = 0.869140625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.4125921130180359, acc = 0.845703125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.4685707092285156, acc = 0.83984375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.4815194308757782, acc = 0.8359375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.42044034600257874, acc = 0.861328125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.4713214039802551, acc = 0.8408203125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.45888036489486694, acc = 0.8466796875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.36577317118644714, acc = 0.8740234375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.3979228734970093, acc = 0.8642578125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.3957262337207794, acc = 0.8486328125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.40568631887435913, acc = 0.8662109375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.4342591464519501, acc = 0.86328125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.4331496059894562, acc = 0.857421875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.391936719417572, acc = 0.87890625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.4735128581523895, acc = 0.845703125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.428297221660614, acc = 0.8505859375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.43483442068099976, acc = 0.8466796875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.43606826663017273, acc = 0.85546875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.4315555989742279, acc = 0.8525390625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.456743061542511, acc = 0.849609375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.3938368260860443, acc = 0.859375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.3678327798843384, acc = 0.880859375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.42852240800857544, acc = 0.86328125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.40932855010032654, acc = 0.865234375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.4793531894683838, acc = 0.8427734375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.36252960562705994, acc = 0.8818359375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.40821900963783264, acc = 0.873046875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.4322739243507385, acc = 0.849609375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.4692072868347168, acc = 0.8544921875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.47136491537094116, acc = 0.84375
Saved checkpoint to weights.60.h5

Epoch 61/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.5493410229682922, acc = 0.833984375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.48215824365615845, acc = 0.8388671875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.4048789143562317, acc = 0.8623046875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.43132084608078003, acc = 0.87109375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.46427127718925476, acc = 0.8583984375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.4625183939933777, acc = 0.8486328125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.41340574622154236, acc = 0.865234375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.46352848410606384, acc = 0.841796875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.4495326280593872, acc = 0.8486328125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.3779306709766388, acc = 0.8671875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.46698424220085144, acc = 0.837890625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.4460192322731018, acc = 0.84375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.4029413163661957, acc = 0.8671875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.4307592809200287, acc = 0.849609375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.3975769877433777, acc = 0.865234375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.43092507123947144, acc = 0.85546875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.43710723519325256, acc = 0.8603515625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.4654196798801422, acc = 0.8466796875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.43487998843193054, acc = 0.857421875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.43008893728256226, acc = 0.8447265625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.43735551834106445, acc = 0.845703125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.42583730816841125, acc = 0.8427734375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.4639614522457123, acc = 0.837890625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.40497082471847534, acc = 0.8583984375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.39499256014823914, acc = 0.8525390625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.40288224816322327, acc = 0.865234375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.5144147872924805, acc = 0.833984375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.4823147654533386, acc = 0.828125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.4372958838939667, acc = 0.8505859375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.3800261318683624, acc = 0.8740234375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.44654688239097595, acc = 0.8525390625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.4562768042087555, acc = 0.8427734375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.37122204899787903, acc = 0.873046875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.465828001499176, acc = 0.84375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.4571034610271454, acc = 0.853515625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.403602659702301, acc = 0.8603515625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.39852288365364075, acc = 0.8623046875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.4470258355140686, acc = 0.8505859375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.3961181640625, acc = 0.86328125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.43348395824432373, acc = 0.8515625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.3986423909664154, acc = 0.869140625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.4285988211631775, acc = 0.8583984375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.4534435272216797, acc = 0.845703125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.3871564269065857, acc = 0.880859375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.34389203786849976, acc = 0.8798828125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.393622487783432, acc = 0.859375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.4028361737728119, acc = 0.861328125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.3934391140937805, acc = 0.87109375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.37215352058410645, acc = 0.8798828125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.38635343313217163, acc = 0.8740234375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.3965350091457367, acc = 0.8701171875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.42318785190582275, acc = 0.8505859375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.367465078830719, acc = 0.8759765625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.3622898459434509, acc = 0.884765625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.35501837730407715, acc = 0.8857421875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.4172365665435791, acc = 0.859375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.456007719039917, acc = 0.84765625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.43475592136383057, acc = 0.849609375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.3301275968551636, acc = 0.8837890625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.3646402060985565, acc = 0.8828125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.380158007144928, acc = 0.8818359375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.4455714225769043, acc = 0.837890625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.4185359477996826, acc = 0.853515625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.40077894926071167, acc = 0.8779296875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.4161549210548401, acc = 0.853515625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.4187643826007843, acc = 0.8681640625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.3792240023612976, acc = 0.876953125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.3892628252506256, acc = 0.869140625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.3884262144565582, acc = 0.8720703125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.4487544298171997, acc = 0.837890625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.4101550579071045, acc = 0.8583984375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.38743695616722107, acc = 0.873046875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.4309229552745819, acc = 0.8623046875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.45343369245529175, acc = 0.85546875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.49636948108673096, acc = 0.8330078125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.48211169242858887, acc = 0.841796875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.4101971387863159, acc = 0.857421875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.4382149875164032, acc = 0.8583984375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.4123939275741577, acc = 0.8583984375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.4087260067462921, acc = 0.8642578125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.45410874485969543, acc = 0.8486328125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.36706703901290894, acc = 0.8701171875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.3956412971019745, acc = 0.861328125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.440557599067688, acc = 0.84765625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.45412373542785645, acc = 0.8388671875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.372747540473938, acc = 0.8662109375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.3921399414539337, acc = 0.876953125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.45072802901268005, acc = 0.8525390625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.41354498267173767, acc = 0.861328125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.436394065618515, acc = 0.8583984375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.4378456771373749, acc = 0.8427734375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.4323786497116089, acc = 0.8515625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.365303099155426, acc = 0.880859375
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.4063935875892639, acc = 0.8603515625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.37866199016571045, acc = 0.8720703125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.45356982946395874, acc = 0.845703125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.4365242123603821, acc = 0.8564453125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.3958532214164734, acc = 0.865234375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.4441748857498169, acc = 0.8515625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.4509320855140686, acc = 0.8486328125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.40630537271499634, acc = 0.8623046875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.4245797097682953, acc = 0.8564453125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.4298599362373352, acc = 0.85546875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.36714738607406616, acc = 0.8798828125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.37792253494262695, acc = 0.8798828125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.4039362370967865, acc = 0.8583984375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.38200801610946655, acc = 0.8681640625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.3976571261882782, acc = 0.8603515625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.41189444065093994, acc = 0.8564453125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3851570188999176, acc = 0.8701171875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.4621811509132385, acc = 0.8369140625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.4220319986343384, acc = 0.8623046875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.43791183829307556, acc = 0.8466796875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.44732341170310974, acc = 0.8515625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.4360939860343933, acc = 0.859375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.452700674533844, acc = 0.8388671875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.39591580629348755, acc = 0.8662109375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.38714659214019775, acc = 0.8818359375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.43202924728393555, acc = 0.8564453125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.37983182072639465, acc = 0.859375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.4261544346809387, acc = 0.8642578125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.3888395130634308, acc = 0.86328125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.4226286709308624, acc = 0.8671875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.4429440200328827, acc = 0.841796875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.43103083968162537, acc = 0.8505859375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.4424242377281189, acc = 0.8515625

Epoch 62/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.5458530187606812, acc = 0.828125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.47849345207214355, acc = 0.8447265625
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.41743290424346924, acc = 0.865234375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.4132450819015503, acc = 0.8681640625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.4947212040424347, acc = 0.8447265625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.41682305932044983, acc = 0.8623046875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.383868932723999, acc = 0.873046875
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.44672101736068726, acc = 0.85546875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.40161699056625366, acc = 0.869140625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.384475976228714, acc = 0.86328125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.46329423785209656, acc = 0.8544921875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.4468141198158264, acc = 0.849609375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.390399307012558, acc = 0.873046875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.41712361574172974, acc = 0.861328125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.39223140478134155, acc = 0.8740234375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.4158412218093872, acc = 0.8603515625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.43138587474823, acc = 0.8671875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.4421798884868622, acc = 0.8623046875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.3984832167625427, acc = 0.873046875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.4266722798347473, acc = 0.869140625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.44181346893310547, acc = 0.85546875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.430059015750885, acc = 0.8583984375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.44507110118865967, acc = 0.8349609375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.41129156947135925, acc = 0.859375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.39601588249206543, acc = 0.8701171875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.4056984484195709, acc = 0.8642578125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.5065638422966003, acc = 0.83203125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.45922160148620605, acc = 0.84375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.43165940046310425, acc = 0.849609375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.3807370364665985, acc = 0.8720703125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.4127667546272278, acc = 0.865234375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.4751594066619873, acc = 0.83203125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.39739423990249634, acc = 0.8759765625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.43400853872299194, acc = 0.8544921875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.445640504360199, acc = 0.853515625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.40393543243408203, acc = 0.861328125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.3816910982131958, acc = 0.869140625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.43557947874069214, acc = 0.8505859375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.4268241822719574, acc = 0.865234375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.42469847202301025, acc = 0.8564453125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.39352110028266907, acc = 0.86328125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.40706080198287964, acc = 0.85546875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.43905314803123474, acc = 0.853515625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.35429635643959045, acc = 0.880859375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.3594675064086914, acc = 0.880859375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.36702004075050354, acc = 0.869140625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.393001526594162, acc = 0.8642578125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.40716853737831116, acc = 0.8701171875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.367013543844223, acc = 0.8798828125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.3525015413761139, acc = 0.8857421875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.3742859959602356, acc = 0.8798828125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.4075147211551666, acc = 0.859375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.39239218831062317, acc = 0.865234375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.3301399350166321, acc = 0.8876953125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.37464621663093567, acc = 0.8759765625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.3987846374511719, acc = 0.8642578125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.42623209953308105, acc = 0.845703125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.45866429805755615, acc = 0.8369140625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.3134255111217499, acc = 0.9033203125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.3736085295677185, acc = 0.87109375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.38538306951522827, acc = 0.8642578125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.47675439715385437, acc = 0.8359375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.4174598455429077, acc = 0.8662109375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.3742889165878296, acc = 0.8740234375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.4145927131175995, acc = 0.859375
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.4142884910106659, acc = 0.85546875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.39467644691467285, acc = 0.8701171875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.4070223271846771, acc = 0.86328125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.39244183897972107, acc = 0.87109375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.42841243743896484, acc = 0.859375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.41215911507606506, acc = 0.859375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.33720916509628296, acc = 0.888671875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.44063639640808105, acc = 0.837890625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.4553687274456024, acc = 0.83984375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.4736396372318268, acc = 0.830078125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.4620041251182556, acc = 0.849609375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.4641423225402832, acc = 0.8349609375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.44295454025268555, acc = 0.859375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.4118269681930542, acc = 0.859375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.41761425137519836, acc = 0.8564453125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.4146920442581177, acc = 0.86328125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.3903317451477051, acc = 0.8740234375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.42203107476234436, acc = 0.8583984375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.4041241407394409, acc = 0.8681640625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.4311569035053253, acc = 0.841796875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.39303910732269287, acc = 0.8798828125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.39008545875549316, acc = 0.8671875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.4359946846961975, acc = 0.853515625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.4220793843269348, acc = 0.849609375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.3992903232574463, acc = 0.853515625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.45142093300819397, acc = 0.845703125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.39972275495529175, acc = 0.8701171875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.37956702709198, acc = 0.8681640625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.40730020403862, acc = 0.8642578125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.4115890860557556, acc = 0.8642578125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.4735093116760254, acc = 0.8466796875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.402227520942688, acc = 0.869140625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.38801687955856323, acc = 0.873046875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.42386382818222046, acc = 0.85546875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.41289132833480835, acc = 0.8583984375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.41825559735298157, acc = 0.8623046875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.4194374680519104, acc = 0.8671875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.40633413195610046, acc = 0.8623046875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.38658270239830017, acc = 0.8642578125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.3543882966041565, acc = 0.8818359375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.3791188597679138, acc = 0.8623046875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.3790186941623688, acc = 0.8701171875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.4141942262649536, acc = 0.8662109375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.4291982650756836, acc = 0.84765625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3508993685245514, acc = 0.8857421875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.4423629939556122, acc = 0.853515625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.423835426568985, acc = 0.861328125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.4260868728160858, acc = 0.8466796875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.42250359058380127, acc = 0.86328125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.4409094750881195, acc = 0.8525390625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.4509711265563965, acc = 0.85546875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.3888316750526428, acc = 0.8642578125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.3664476275444031, acc = 0.8740234375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.40905678272247314, acc = 0.8681640625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.3767690360546112, acc = 0.87109375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.4179939329624176, acc = 0.857421875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.376375287771225, acc = 0.8671875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.4295060932636261, acc = 0.8701171875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.4376230835914612, acc = 0.83984375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.4407801926136017, acc = 0.8447265625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.4063843786716461, acc = 0.8603515625

Epoch 63/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.5295922756195068, acc = 0.8349609375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.4701595902442932, acc = 0.8447265625
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.41453492641448975, acc = 0.8623046875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.4257451891899109, acc = 0.8583984375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.4810653328895569, acc = 0.8505859375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.4235283136367798, acc = 0.8623046875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.4199279546737671, acc = 0.865234375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.46250930428504944, acc = 0.8466796875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.44457852840423584, acc = 0.8505859375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.3768596351146698, acc = 0.873046875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.4412415623664856, acc = 0.861328125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.44654524326324463, acc = 0.84375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.38705551624298096, acc = 0.8740234375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.40580660104751587, acc = 0.86328125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.3520294725894928, acc = 0.8779296875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.43023377656936646, acc = 0.859375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.4042152762413025, acc = 0.86328125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.43937981128692627, acc = 0.8505859375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.4028487205505371, acc = 0.8720703125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.45825323462486267, acc = 0.8388671875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.4509406089782715, acc = 0.8525390625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.4003699719905853, acc = 0.861328125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.43513453006744385, acc = 0.84375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.37986108660697937, acc = 0.8740234375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.37821507453918457, acc = 0.8759765625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.4196953773498535, acc = 0.8525390625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.47457459568977356, acc = 0.837890625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.4427486062049866, acc = 0.8525390625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.4413251578807831, acc = 0.8447265625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.41167742013931274, acc = 0.857421875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.4410668611526489, acc = 0.861328125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.45225152373313904, acc = 0.861328125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.3520835041999817, acc = 0.8876953125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.4561820328235626, acc = 0.8447265625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.48847392201423645, acc = 0.8349609375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.35307592153549194, acc = 0.8818359375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.37703996896743774, acc = 0.875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.40104812383651733, acc = 0.8642578125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.40503743290901184, acc = 0.8671875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.3903369903564453, acc = 0.8779296875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.4080319404602051, acc = 0.8623046875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.41028842329978943, acc = 0.875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.41548818349838257, acc = 0.865234375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.3767545521259308, acc = 0.8779296875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.3298097550868988, acc = 0.890625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.37216001749038696, acc = 0.8662109375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.40431663393974304, acc = 0.8701171875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.40195417404174805, acc = 0.861328125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.3570648729801178, acc = 0.884765625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.343013733625412, acc = 0.8837890625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.3877374529838562, acc = 0.873046875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.45571720600128174, acc = 0.845703125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.4077353775501251, acc = 0.869140625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.310050368309021, acc = 0.8955078125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.3879019320011139, acc = 0.8720703125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.4245600402355194, acc = 0.8544921875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.41212376952171326, acc = 0.8544921875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.44321513175964355, acc = 0.857421875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.3090641498565674, acc = 0.9033203125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.37462103366851807, acc = 0.8662109375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.3613095283508301, acc = 0.8828125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.4665675461292267, acc = 0.830078125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.4154478907585144, acc = 0.859375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.35791268944740295, acc = 0.8828125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.40234801173210144, acc = 0.8642578125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.3861510753631592, acc = 0.8671875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.412908673286438, acc = 0.857421875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.403745174407959, acc = 0.8642578125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.3870317339897156, acc = 0.876953125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.43354445695877075, acc = 0.8544921875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.40093663334846497, acc = 0.87890625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.34843507409095764, acc = 0.884765625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.40090078115463257, acc = 0.869140625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.4539770781993866, acc = 0.83203125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.4746473729610443, acc = 0.8408203125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.45640480518341064, acc = 0.8359375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.4279744625091553, acc = 0.8427734375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.4379526972770691, acc = 0.857421875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.39650827646255493, acc = 0.861328125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.39712128043174744, acc = 0.8642578125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.44333416223526, acc = 0.8603515625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.39428961277008057, acc = 0.873046875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.39622893929481506, acc = 0.869140625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.4152882695198059, acc = 0.85546875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.4635602831840515, acc = 0.83984375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3977634012699127, acc = 0.8662109375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.3775007128715515, acc = 0.8759765625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.4355587661266327, acc = 0.8623046875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.3790913224220276, acc = 0.8798828125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.40167486667633057, acc = 0.865234375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.41959717869758606, acc = 0.8583984375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.4176447093486786, acc = 0.8671875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.3341551721096039, acc = 0.8955078125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.3993455767631531, acc = 0.8623046875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.35736727714538574, acc = 0.8798828125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.43931645154953003, acc = 0.8525390625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.4017087519168854, acc = 0.8720703125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.3800966739654541, acc = 0.869140625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.4191988706588745, acc = 0.8544921875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.42526158690452576, acc = 0.85546875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.41769057512283325, acc = 0.861328125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.41211605072021484, acc = 0.8525390625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.41448694467544556, acc = 0.86328125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.33564263582229614, acc = 0.8857421875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.35587796568870544, acc = 0.876953125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.3735126256942749, acc = 0.8720703125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.35315045714378357, acc = 0.87890625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.376773476600647, acc = 0.884765625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.38789427280426025, acc = 0.865234375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3795377314090729, acc = 0.87109375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.4372406601905823, acc = 0.849609375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.41960686445236206, acc = 0.87109375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.4017176628112793, acc = 0.8759765625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.4433271586894989, acc = 0.8486328125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.4156237542629242, acc = 0.8681640625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.4034797251224518, acc = 0.8642578125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.370921790599823, acc = 0.880859375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.36966952681541443, acc = 0.875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.3830491006374359, acc = 0.873046875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.3614875078201294, acc = 0.880859375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.4335954785346985, acc = 0.8603515625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.3760111927986145, acc = 0.865234375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.4287751019001007, acc = 0.8466796875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.4168437123298645, acc = 0.861328125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.4220353960990906, acc = 0.8544921875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.4081608057022095, acc = 0.865234375

Epoch 64/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.4975367784500122, acc = 0.8427734375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.4727306365966797, acc = 0.849609375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.38848423957824707, acc = 0.87109375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.40640026330947876, acc = 0.86328125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.4599994122982025, acc = 0.8505859375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.4258834719657898, acc = 0.865234375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.3846806585788727, acc = 0.86328125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.4233386516571045, acc = 0.8662109375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.4245917499065399, acc = 0.8662109375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.36594605445861816, acc = 0.8779296875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.4334154427051544, acc = 0.859375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.3925182819366455, acc = 0.8671875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.3703923225402832, acc = 0.8798828125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.3885963261127472, acc = 0.8857421875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.40442925691604614, acc = 0.861328125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.420399010181427, acc = 0.85546875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.37822553515434265, acc = 0.8583984375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.46505874395370483, acc = 0.84375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.3943503499031067, acc = 0.8779296875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.43100929260253906, acc = 0.861328125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.4559035897254944, acc = 0.85546875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.4225419759750366, acc = 0.85546875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.4492429792881012, acc = 0.837890625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.38030561804771423, acc = 0.8779296875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.3788742423057556, acc = 0.869140625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.3878989517688751, acc = 0.873046875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.4810148775577545, acc = 0.837890625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.46365466713905334, acc = 0.83984375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.4054752290248871, acc = 0.85546875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.3946569859981537, acc = 0.8623046875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.4058119058609009, acc = 0.859375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.4544709324836731, acc = 0.8359375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.3754567801952362, acc = 0.87890625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.43721479177474976, acc = 0.8505859375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.3998817205429077, acc = 0.8671875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.3613958954811096, acc = 0.8798828125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.3481799364089966, acc = 0.8837890625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.4135316014289856, acc = 0.8564453125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.4082998037338257, acc = 0.8681640625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.40034884214401245, acc = 0.8623046875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.36781737208366394, acc = 0.8662109375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.39894965291023254, acc = 0.87109375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.43780243396759033, acc = 0.8505859375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.3551007807254791, acc = 0.8779296875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.34959423542022705, acc = 0.8837890625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.35892432928085327, acc = 0.875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.3846646249294281, acc = 0.8671875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.3853769302368164, acc = 0.8720703125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.3449805974960327, acc = 0.88671875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.3344704508781433, acc = 0.8876953125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.38532713055610657, acc = 0.8603515625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.39536166191101074, acc = 0.8623046875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.3750287890434265, acc = 0.8818359375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.33245599269866943, acc = 0.89453125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.35406121611595154, acc = 0.890625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.39289239048957825, acc = 0.8623046875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.41666966676712036, acc = 0.8583984375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.4379909038543701, acc = 0.8564453125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.3044513165950775, acc = 0.9013671875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.3808363676071167, acc = 0.8720703125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.35351330041885376, acc = 0.869140625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.4645031690597534, acc = 0.85546875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.391133576631546, acc = 0.8623046875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.3409067392349243, acc = 0.892578125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.4053030014038086, acc = 0.8603515625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.3937825858592987, acc = 0.8603515625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.3931772708892822, acc = 0.86328125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.3851013779640198, acc = 0.8720703125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.3493986129760742, acc = 0.89453125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.40621984004974365, acc = 0.86328125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.40504783391952515, acc = 0.8759765625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.3603419065475464, acc = 0.8828125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.4026610255241394, acc = 0.8701171875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.4539393484592438, acc = 0.841796875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.463196337223053, acc = 0.841796875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.4467996656894684, acc = 0.8466796875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3913862407207489, acc = 0.8671875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.39285674691200256, acc = 0.861328125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.40003862977027893, acc = 0.86328125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.37776970863342285, acc = 0.8671875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.41677629947662354, acc = 0.8505859375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.4000256061553955, acc = 0.8681640625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.382684588432312, acc = 0.865234375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.38880518078804016, acc = 0.865234375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.4082903265953064, acc = 0.849609375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3925928473472595, acc = 0.865234375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.3633340001106262, acc = 0.8818359375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.43149036169052124, acc = 0.8623046875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.35838642716407776, acc = 0.8876953125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.3861914873123169, acc = 0.880859375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.40732699632644653, acc = 0.8662109375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.3892047107219696, acc = 0.875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.35233521461486816, acc = 0.8876953125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.3499440550804138, acc = 0.88671875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.37392523884773254, acc = 0.8681640625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.43129679560661316, acc = 0.8525390625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.3897227942943573, acc = 0.8720703125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.38386788964271545, acc = 0.8623046875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.44047313928604126, acc = 0.8486328125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.42429906129837036, acc = 0.8486328125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.3820517063140869, acc = 0.8681640625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.4180752635002136, acc = 0.857421875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.3815886378288269, acc = 0.8671875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.33453914523124695, acc = 0.8955078125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.322038471698761, acc = 0.890625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.3997434079647064, acc = 0.861328125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.38883721828460693, acc = 0.873046875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.3820914328098297, acc = 0.873046875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.40653353929519653, acc = 0.8662109375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3690965473651886, acc = 0.8828125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.4316980242729187, acc = 0.84765625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.3956541419029236, acc = 0.8662109375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.40527471899986267, acc = 0.8642578125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.42349812388420105, acc = 0.8603515625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.417172372341156, acc = 0.84765625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.43704238533973694, acc = 0.84765625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.35344383120536804, acc = 0.8798828125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.3545306324958801, acc = 0.8916015625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.40311482548713684, acc = 0.8701171875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.3668385446071625, acc = 0.8759765625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.38353922963142395, acc = 0.8662109375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.3420478403568268, acc = 0.88671875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.3787355422973633, acc = 0.8759765625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.401879221200943, acc = 0.857421875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.4097558259963989, acc = 0.84765625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.4174078702926636, acc = 0.8662109375

Epoch 65/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.5249072313308716, acc = 0.830078125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.42798417806625366, acc = 0.8505859375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.39335566759109497, acc = 0.861328125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.38703352212905884, acc = 0.8671875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.43570297956466675, acc = 0.8486328125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.3960961103439331, acc = 0.8642578125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.3850129246711731, acc = 0.869140625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.4323428273200989, acc = 0.857421875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.4003208875656128, acc = 0.8779296875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.36669379472732544, acc = 0.8681640625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.4176914691925049, acc = 0.849609375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.4039824604988098, acc = 0.8603515625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.357529878616333, acc = 0.8916015625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.42391881346702576, acc = 0.857421875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.3839915096759796, acc = 0.8740234375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.43669724464416504, acc = 0.8623046875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.36990609765052795, acc = 0.875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.4214152991771698, acc = 0.8603515625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.36940664052963257, acc = 0.880859375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.41596588492393494, acc = 0.8681640625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.41378772258758545, acc = 0.859375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.38468968868255615, acc = 0.87890625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.425451397895813, acc = 0.861328125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.3682989180088043, acc = 0.880859375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.38405677676200867, acc = 0.876953125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.412596195936203, acc = 0.8564453125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.490836501121521, acc = 0.833984375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.4591032862663269, acc = 0.8408203125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.3989667296409607, acc = 0.8486328125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.38514000177383423, acc = 0.8798828125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.40142902731895447, acc = 0.8779296875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.44337350130081177, acc = 0.857421875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.3702334761619568, acc = 0.8837890625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.4059627652168274, acc = 0.8525390625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.4249943494796753, acc = 0.8681640625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.35394275188446045, acc = 0.875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.33894070982933044, acc = 0.8828125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.4012342095375061, acc = 0.8642578125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.40703099966049194, acc = 0.865234375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.39789119362831116, acc = 0.87109375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.3774756193161011, acc = 0.8740234375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.39439326524734497, acc = 0.86328125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.4146007001399994, acc = 0.8701171875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.3605320453643799, acc = 0.8740234375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.33677223324775696, acc = 0.892578125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.3469293713569641, acc = 0.875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.36534449458122253, acc = 0.8759765625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.3590238690376282, acc = 0.87109375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.34010049700737, acc = 0.8876953125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.33329737186431885, acc = 0.87890625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.3829266130924225, acc = 0.875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.40162062644958496, acc = 0.8671875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.3873872756958008, acc = 0.8662109375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.308057963848114, acc = 0.8984375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.3482051491737366, acc = 0.87890625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.38079577684402466, acc = 0.8701171875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.3904016315937042, acc = 0.8701171875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.42342180013656616, acc = 0.8505859375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.31486979126930237, acc = 0.89453125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.36789795756340027, acc = 0.876953125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.38750725984573364, acc = 0.86328125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.42485883831977844, acc = 0.853515625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.3765302002429962, acc = 0.880859375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.34316667914390564, acc = 0.87890625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.3892439603805542, acc = 0.861328125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.3702252209186554, acc = 0.876953125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.3769782781600952, acc = 0.87109375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.40735939145088196, acc = 0.859375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.39062538743019104, acc = 0.8701171875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.43930667638778687, acc = 0.8662109375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.3931241035461426, acc = 0.859375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.3334736227989197, acc = 0.892578125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.42880234122276306, acc = 0.853515625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.42546218633651733, acc = 0.849609375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.4523048996925354, acc = 0.845703125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.4251073896884918, acc = 0.84765625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3959159851074219, acc = 0.86328125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.39546507596969604, acc = 0.869140625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.38560032844543457, acc = 0.8564453125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.37976840138435364, acc = 0.873046875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.40255075693130493, acc = 0.8671875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.39311009645462036, acc = 0.8681640625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.3797531723976135, acc = 0.876953125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.3923819065093994, acc = 0.87109375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.40363577008247375, acc = 0.861328125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3800780475139618, acc = 0.8681640625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.37380361557006836, acc = 0.875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.4058533012866974, acc = 0.8623046875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.3901641368865967, acc = 0.87109375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.3727705776691437, acc = 0.87109375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.3893165588378906, acc = 0.8759765625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.3886323869228363, acc = 0.876953125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.36354219913482666, acc = 0.8681640625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.357239693403244, acc = 0.87890625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.37875130772590637, acc = 0.873046875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.43296539783477783, acc = 0.8466796875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.3843757212162018, acc = 0.873046875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.3533058762550354, acc = 0.8818359375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.4037405252456665, acc = 0.8671875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.37226593494415283, acc = 0.8740234375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.398490846157074, acc = 0.8681640625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.4114275574684143, acc = 0.8671875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.4008482098579407, acc = 0.8671875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.3498380184173584, acc = 0.8828125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.32970869541168213, acc = 0.8955078125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.33812960982322693, acc = 0.892578125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.3402673602104187, acc = 0.8818359375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.38194337487220764, acc = 0.861328125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.3713240623474121, acc = 0.87890625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3803757131099701, acc = 0.8759765625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.4136512875556946, acc = 0.8583984375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.3792329728603363, acc = 0.884765625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.39548638463020325, acc = 0.861328125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.41278076171875, acc = 0.8759765625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.4037967324256897, acc = 0.849609375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.4190261960029602, acc = 0.8642578125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.38993406295776367, acc = 0.869140625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.3262965977191925, acc = 0.8935546875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.39500927925109863, acc = 0.86328125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.3290131390094757, acc = 0.88671875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.3747459053993225, acc = 0.87109375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.32959944009780884, acc = 0.8857421875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.40097367763519287, acc = 0.8740234375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.3982451260089874, acc = 0.8671875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.41202083230018616, acc = 0.8564453125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.3975127041339874, acc = 0.87109375

Epoch 66/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.5272235870361328, acc = 0.8349609375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.42754197120666504, acc = 0.85546875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.4143495559692383, acc = 0.8583984375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.36441734433174133, acc = 0.8779296875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.43902450799942017, acc = 0.8505859375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.4233264923095703, acc = 0.8525390625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.37896445393562317, acc = 0.87890625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.3931605815887451, acc = 0.8720703125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.39999163150787354, acc = 0.8662109375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.3526853024959564, acc = 0.88671875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.43585771322250366, acc = 0.85546875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.4128785729408264, acc = 0.8564453125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.3792611360549927, acc = 0.869140625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.4141896963119507, acc = 0.85546875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.34442970156669617, acc = 0.87109375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.40474939346313477, acc = 0.8603515625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.3586674630641937, acc = 0.880859375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.4096611440181732, acc = 0.873046875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.35722604393959045, acc = 0.884765625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.40881919860839844, acc = 0.8623046875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.4173821806907654, acc = 0.8623046875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.3793180584907532, acc = 0.865234375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.41321688890457153, acc = 0.8681640625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.36592671275138855, acc = 0.880859375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.37618932127952576, acc = 0.869140625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.3899801969528198, acc = 0.8603515625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.45227938890457153, acc = 0.861328125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.4415915906429291, acc = 0.853515625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.40310192108154297, acc = 0.8583984375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.38513752818107605, acc = 0.880859375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.3922712504863739, acc = 0.8759765625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.4304187297821045, acc = 0.859375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.37030401825904846, acc = 0.8720703125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.4426173269748688, acc = 0.8515625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.3954988718032837, acc = 0.8662109375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.35219311714172363, acc = 0.8798828125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.35887253284454346, acc = 0.876953125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.36063507199287415, acc = 0.8857421875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.3829338550567627, acc = 0.8642578125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.41437265276908875, acc = 0.8662109375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.4061089754104614, acc = 0.861328125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.38997137546539307, acc = 0.8662109375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.41237345337867737, acc = 0.8603515625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.3459462523460388, acc = 0.875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.3567098081111908, acc = 0.8720703125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.33393746614456177, acc = 0.890625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.35422879457473755, acc = 0.888671875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.35954925417900085, acc = 0.880859375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.3480522036552429, acc = 0.8837890625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.33654409646987915, acc = 0.888671875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.3667862117290497, acc = 0.8798828125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.36936503648757935, acc = 0.8642578125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.38155779242515564, acc = 0.880859375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.3044808804988861, acc = 0.90234375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.38246288895606995, acc = 0.861328125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.39922839403152466, acc = 0.865234375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.415425181388855, acc = 0.8603515625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.41675421595573425, acc = 0.85546875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2803374230861664, acc = 0.9169921875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.37798407673835754, acc = 0.865234375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.3536032438278198, acc = 0.876953125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.41866248846054077, acc = 0.857421875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.3369213044643402, acc = 0.875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.3359396457672119, acc = 0.8828125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.3651982247829437, acc = 0.869140625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.34942060708999634, acc = 0.8876953125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.36466744542121887, acc = 0.8671875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.3705793023109436, acc = 0.876953125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.3178124725818634, acc = 0.8955078125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.39863401651382446, acc = 0.8564453125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.4071032702922821, acc = 0.8779296875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.3352486789226532, acc = 0.88671875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.4259563088417053, acc = 0.861328125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.4141615331172943, acc = 0.853515625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.45095086097717285, acc = 0.85546875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.39738091826438904, acc = 0.87109375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.37158825993537903, acc = 0.8681640625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.40338215231895447, acc = 0.865234375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.3720259666442871, acc = 0.873046875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.3823573589324951, acc = 0.8720703125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.4027419686317444, acc = 0.8740234375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.38160139322280884, acc = 0.8681640625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.37300440669059753, acc = 0.875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.3827386796474457, acc = 0.869140625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.4011467695236206, acc = 0.859375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3965761363506317, acc = 0.8671875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.3523038327693939, acc = 0.888671875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.4210492670536041, acc = 0.857421875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.3598526120185852, acc = 0.89453125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.3733774423599243, acc = 0.8798828125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.3657171130180359, acc = 0.884765625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.39211130142211914, acc = 0.873046875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.31642821431159973, acc = 0.9033203125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.3639378547668457, acc = 0.8720703125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.35499152541160583, acc = 0.890625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.42759639024734497, acc = 0.8564453125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.40246832370758057, acc = 0.865234375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.3534339666366577, acc = 0.87890625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.38582855463027954, acc = 0.8662109375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.3850176930427551, acc = 0.8603515625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.36323869228363037, acc = 0.8740234375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.39703258872032166, acc = 0.8544921875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.4016188979148865, acc = 0.8623046875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.3605901300907135, acc = 0.8837890625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.3280896842479706, acc = 0.8837890625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.34082135558128357, acc = 0.8896484375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.33744874596595764, acc = 0.8955078125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.38138532638549805, acc = 0.8701171875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.36648935079574585, acc = 0.876953125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.35820484161376953, acc = 0.8828125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.3984573483467102, acc = 0.8525390625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.36718571186065674, acc = 0.87109375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.4006114900112152, acc = 0.8701171875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.38761067390441895, acc = 0.8701171875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.37220504879951477, acc = 0.8701171875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.4372254014015198, acc = 0.8544921875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.37550973892211914, acc = 0.876953125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.3499619662761688, acc = 0.88671875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.375218003988266, acc = 0.8759765625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.3259614408016205, acc = 0.8857421875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.39417845010757446, acc = 0.8701171875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.3588590621948242, acc = 0.880859375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.3896767497062683, acc = 0.8798828125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.38878124952316284, acc = 0.8681640625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.4091345965862274, acc = 0.8564453125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.3882638216018677, acc = 0.8701171875

Epoch 67/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.490710586309433, acc = 0.8525390625
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.3941855728626251, acc = 0.8662109375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.37091687321662903, acc = 0.87890625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.38386714458465576, acc = 0.8759765625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.42284393310546875, acc = 0.8505859375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.4269047677516937, acc = 0.869140625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.39509740471839905, acc = 0.865234375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.40749669075012207, acc = 0.8671875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.3949830234050751, acc = 0.8740234375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.3298216164112091, acc = 0.8935546875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.43048933148384094, acc = 0.8525390625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.4021502733230591, acc = 0.8642578125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.3501357138156891, acc = 0.8818359375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.3737139105796814, acc = 0.8740234375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.3607812225818634, acc = 0.88671875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.378131240606308, acc = 0.8720703125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.3770450949668884, acc = 0.869140625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.3906394839286804, acc = 0.8720703125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.3892311453819275, acc = 0.873046875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.39213210344314575, acc = 0.8671875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.3943024277687073, acc = 0.8623046875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.41121000051498413, acc = 0.8544921875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.3983096480369568, acc = 0.853515625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.35851916670799255, acc = 0.884765625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.3582294285297394, acc = 0.880859375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.3531382977962494, acc = 0.8818359375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.454061895608902, acc = 0.8466796875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.4139810800552368, acc = 0.8544921875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.3657297194004059, acc = 0.869140625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.3975168764591217, acc = 0.8681640625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.40904930233955383, acc = 0.8583984375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.4569229185581207, acc = 0.8603515625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.35970714688301086, acc = 0.8720703125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.4040875732898712, acc = 0.8603515625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.43666765093803406, acc = 0.8505859375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.33975309133529663, acc = 0.884765625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.3343976140022278, acc = 0.8896484375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.3794800341129303, acc = 0.8779296875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.37525784969329834, acc = 0.8779296875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.3751378357410431, acc = 0.8876953125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.3627564013004303, acc = 0.8740234375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.39022451639175415, acc = 0.87109375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.39494967460632324, acc = 0.8701171875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.299409955739975, acc = 0.9140625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.32276666164398193, acc = 0.8994140625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.33147579431533813, acc = 0.892578125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.37260955572128296, acc = 0.8818359375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.3447951078414917, acc = 0.88671875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.32933157682418823, acc = 0.900390625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.30859318375587463, acc = 0.8955078125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.35195624828338623, acc = 0.884765625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.38370054960250854, acc = 0.8740234375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.3642427623271942, acc = 0.880859375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.3174807131290436, acc = 0.8935546875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.32880231738090515, acc = 0.8955078125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.38158297538757324, acc = 0.8701171875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.4131767153739929, acc = 0.84375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.4003085196018219, acc = 0.85546875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.28819432854652405, acc = 0.9130859375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.3458290994167328, acc = 0.884765625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.33437803387641907, acc = 0.87890625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.43315333127975464, acc = 0.8427734375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.35374653339385986, acc = 0.8896484375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.31180673837661743, acc = 0.8984375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.3867741823196411, acc = 0.865234375
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.37302228808403015, acc = 0.87109375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.37149956822395325, acc = 0.86328125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.3424237370491028, acc = 0.884765625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.3363177180290222, acc = 0.8916015625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.39371457695961, acc = 0.8671875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.39780938625335693, acc = 0.865234375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.35275140404701233, acc = 0.880859375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.416698694229126, acc = 0.8603515625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.4370739459991455, acc = 0.859375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.4340497851371765, acc = 0.8544921875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.42583176493644714, acc = 0.8525390625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3496587872505188, acc = 0.8876953125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.3544241189956665, acc = 0.888671875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.3642107844352722, acc = 0.8759765625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.3723136782646179, acc = 0.8740234375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.37403082847595215, acc = 0.87890625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.35569140315055847, acc = 0.884765625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.3534088134765625, acc = 0.876953125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.3542689383029938, acc = 0.8828125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.41123664379119873, acc = 0.8671875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3825303018093109, acc = 0.8740234375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.3729791045188904, acc = 0.8662109375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.4363856613636017, acc = 0.859375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.33916035294532776, acc = 0.880859375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.340146541595459, acc = 0.884765625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.40927353501319885, acc = 0.869140625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.38019025325775146, acc = 0.876953125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.32477307319641113, acc = 0.8896484375
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.37208718061447144, acc = 0.87890625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.33118736743927, acc = 0.8916015625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.427878201007843, acc = 0.84765625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.38680389523506165, acc = 0.8662109375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.3604615032672882, acc = 0.875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.3951977491378784, acc = 0.8662109375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.41830873489379883, acc = 0.8466796875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.3662416636943817, acc = 0.8828125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.39544564485549927, acc = 0.865234375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.35521790385246277, acc = 0.890625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.3386516869068146, acc = 0.8896484375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.32479435205459595, acc = 0.89453125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.37228208780288696, acc = 0.861328125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.34107545018196106, acc = 0.8876953125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.36279353499412537, acc = 0.8779296875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.3625267744064331, acc = 0.8837890625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.35707056522369385, acc = 0.8837890625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.4346016049385071, acc = 0.8525390625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.3653768301010132, acc = 0.8642578125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.370947003364563, acc = 0.869140625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.36862292885780334, acc = 0.876953125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.38666433095932007, acc = 0.873046875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.3951551616191864, acc = 0.8623046875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.35109734535217285, acc = 0.8857421875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.35955363512039185, acc = 0.8818359375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.4136340916156769, acc = 0.8486328125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.3204067051410675, acc = 0.8935546875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.4070962071418762, acc = 0.8623046875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.3549995422363281, acc = 0.87890625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.3776029050350189, acc = 0.875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.38906368613243103, acc = 0.8701171875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.40664997696876526, acc = 0.857421875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.36969587206840515, acc = 0.8720703125

Epoch 68/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.4610917568206787, acc = 0.8427734375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.41607868671417236, acc = 0.853515625
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.36060190200805664, acc = 0.876953125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.38942718505859375, acc = 0.8759765625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.4156337082386017, acc = 0.8681640625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.4057791233062744, acc = 0.8642578125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.372717946767807, acc = 0.86328125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.4188506603240967, acc = 0.8720703125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.38303086161613464, acc = 0.880859375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.32660558819770813, acc = 0.892578125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.3953210711479187, acc = 0.873046875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.3740570843219757, acc = 0.8642578125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.36878252029418945, acc = 0.86328125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.37730926275253296, acc = 0.880859375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.3796885013580322, acc = 0.869140625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.3741297721862793, acc = 0.869140625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.35284581780433655, acc = 0.890625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.4285128712654114, acc = 0.8623046875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.3784835934638977, acc = 0.875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.4212379455566406, acc = 0.8662109375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.4151744842529297, acc = 0.8564453125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.3858266770839691, acc = 0.869140625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.39894330501556396, acc = 0.8642578125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.3573204278945923, acc = 0.8720703125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.35765063762664795, acc = 0.8916015625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.36457160115242004, acc = 0.8818359375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.43763962388038635, acc = 0.8583984375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.40504395961761475, acc = 0.8623046875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.37698283791542053, acc = 0.865234375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.37984874844551086, acc = 0.8642578125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.41579681634902954, acc = 0.869140625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.4418809711933136, acc = 0.8515625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.3280753195285797, acc = 0.8798828125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.3749898076057434, acc = 0.8740234375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.39484283328056335, acc = 0.8740234375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.3225274384021759, acc = 0.8837890625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.3084834814071655, acc = 0.89453125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.38301318883895874, acc = 0.8798828125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.3501642644405365, acc = 0.8935546875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.3672455847263336, acc = 0.8798828125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.38506513833999634, acc = 0.8642578125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.3672286868095398, acc = 0.8759765625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.41089311242103577, acc = 0.865234375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.34902384877204895, acc = 0.87890625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.32491838932037354, acc = 0.896484375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.3519742786884308, acc = 0.8798828125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.3872225880622864, acc = 0.875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.375383198261261, acc = 0.859375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.32162410020828247, acc = 0.890625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.3398135304450989, acc = 0.880859375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.3656657338142395, acc = 0.8759765625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.3822556138038635, acc = 0.873046875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.34413641691207886, acc = 0.8837890625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.3360666036605835, acc = 0.8828125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.3415968418121338, acc = 0.890625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.3788716495037079, acc = 0.8671875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.41179630160331726, acc = 0.857421875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.37980514764785767, acc = 0.8759765625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.3014654815196991, acc = 0.8935546875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.32707369327545166, acc = 0.8916015625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.3337495028972626, acc = 0.896484375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.41115251183509827, acc = 0.8564453125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.3332977890968323, acc = 0.8935546875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.3155517280101776, acc = 0.8935546875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.38926416635513306, acc = 0.876953125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.3604394793510437, acc = 0.873046875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.34925979375839233, acc = 0.8798828125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.3832644820213318, acc = 0.865234375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.3295128643512726, acc = 0.8994140625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.41175949573516846, acc = 0.8662109375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.3703520894050598, acc = 0.8828125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.30326002836227417, acc = 0.89453125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.36272552609443665, acc = 0.876953125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.41334086656570435, acc = 0.85546875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.41639748215675354, acc = 0.869140625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.3868342936038971, acc = 0.8671875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3692224621772766, acc = 0.87109375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.3876507878303528, acc = 0.8701171875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.3284052014350891, acc = 0.8857421875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.3808683156967163, acc = 0.87109375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.40052738785743713, acc = 0.8623046875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.35605746507644653, acc = 0.884765625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.3758646547794342, acc = 0.875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.36979424953460693, acc = 0.8701171875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.39935892820358276, acc = 0.85546875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3407767415046692, acc = 0.8818359375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.3783959448337555, acc = 0.87109375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.4146975874900818, acc = 0.8603515625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.3322664797306061, acc = 0.8984375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.3721356987953186, acc = 0.8828125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.3797387480735779, acc = 0.869140625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.370236337184906, acc = 0.8779296875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.32927951216697693, acc = 0.88671875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.36443954706192017, acc = 0.8759765625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.3453757166862488, acc = 0.8876953125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.406565397977829, acc = 0.8603515625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.34547194838523865, acc = 0.8916015625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.34296825528144836, acc = 0.8818359375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.41736358404159546, acc = 0.8486328125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.3830606937408447, acc = 0.8662109375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.3560827672481537, acc = 0.8818359375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.390807569026947, acc = 0.853515625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.37554776668548584, acc = 0.8740234375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.3295893967151642, acc = 0.896484375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.33305734395980835, acc = 0.8896484375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.31503066420555115, acc = 0.9033203125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.32994404435157776, acc = 0.8798828125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.33602607250213623, acc = 0.87890625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.36685535311698914, acc = 0.875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3498258590698242, acc = 0.884765625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.39473864436149597, acc = 0.876953125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.38773471117019653, acc = 0.8662109375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.33498480916023254, acc = 0.8916015625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.3763245642185211, acc = 0.880859375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.39867568016052246, acc = 0.859375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.4203922152519226, acc = 0.8544921875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.3639558255672455, acc = 0.876953125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.3314850330352783, acc = 0.884765625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.3472902774810791, acc = 0.8837890625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.32014864683151245, acc = 0.8818359375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.3931809365749359, acc = 0.8564453125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.3585066795349121, acc = 0.8759765625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.36225682497024536, acc = 0.8798828125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.3871835470199585, acc = 0.8662109375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.3886639177799225, acc = 0.8671875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.38158711791038513, acc = 0.873046875

Epoch 69/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.48029690980911255, acc = 0.84765625
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.40287894010543823, acc = 0.8642578125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.38789841532707214, acc = 0.8681640625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.3584219217300415, acc = 0.8798828125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.4305785000324249, acc = 0.8603515625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.3586285412311554, acc = 0.8779296875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.3596764802932739, acc = 0.87109375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.3987705707550049, acc = 0.869140625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.3877386152744293, acc = 0.880859375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.32087743282318115, acc = 0.8916015625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.4054865539073944, acc = 0.8623046875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.36562371253967285, acc = 0.880859375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.3489077389240265, acc = 0.8837890625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.3756635785102844, acc = 0.8701171875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.3620556592941284, acc = 0.8740234375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.41160836815834045, acc = 0.8701171875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.37219107151031494, acc = 0.865234375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.4149613380432129, acc = 0.8623046875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.3918653726577759, acc = 0.8603515625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.39391741156578064, acc = 0.86328125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.40639808773994446, acc = 0.8623046875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.368915855884552, acc = 0.8720703125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.39062410593032837, acc = 0.8662109375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.3539881408214569, acc = 0.8876953125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.3498898446559906, acc = 0.8818359375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.36950233578681946, acc = 0.880859375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.436178982257843, acc = 0.849609375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.40789520740509033, acc = 0.8681640625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.37557679414749146, acc = 0.857421875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.35877180099487305, acc = 0.8779296875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.38960474729537964, acc = 0.87109375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.40646716952323914, acc = 0.8642578125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.3584481477737427, acc = 0.8681640625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.3916341960430145, acc = 0.8681640625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.37784096598625183, acc = 0.8740234375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.30816495418548584, acc = 0.8984375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.34828895330429077, acc = 0.873046875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.36997532844543457, acc = 0.87890625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.3344595432281494, acc = 0.892578125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.3759765625, acc = 0.8701171875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.3891507387161255, acc = 0.8623046875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.37934261560440063, acc = 0.87109375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.40718895196914673, acc = 0.8486328125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.3388111889362335, acc = 0.89453125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.31979766488075256, acc = 0.89453125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.34314054250717163, acc = 0.8779296875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.35825315117836, acc = 0.8779296875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.33707520365715027, acc = 0.875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.3007938861846924, acc = 0.8935546875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.3449413478374481, acc = 0.890625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.3575572669506073, acc = 0.8779296875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.3728324770927429, acc = 0.8779296875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.3549109101295471, acc = 0.875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.29067832231521606, acc = 0.900390625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.32361578941345215, acc = 0.8974609375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.40857362747192383, acc = 0.8662109375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.4184790849685669, acc = 0.857421875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.38451701402664185, acc = 0.8642578125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.27801865339279175, acc = 0.9033203125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.3296945095062256, acc = 0.8818359375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.3375457525253296, acc = 0.896484375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.40477854013442993, acc = 0.876953125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.36118772625923157, acc = 0.87890625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.30680856108665466, acc = 0.896484375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.3430195450782776, acc = 0.8828125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.34733980894088745, acc = 0.8857421875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.3323512673377991, acc = 0.892578125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.3743932545185089, acc = 0.8759765625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.311042845249176, acc = 0.90234375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.3973938226699829, acc = 0.8759765625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.36122459173202515, acc = 0.8798828125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.3483715057373047, acc = 0.88671875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.39055997133255005, acc = 0.8779296875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.4356035590171814, acc = 0.8447265625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.4585781693458557, acc = 0.837890625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.41688072681427, acc = 0.8564453125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3589763641357422, acc = 0.8701171875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.38722288608551025, acc = 0.8701171875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.36291033029556274, acc = 0.87890625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.3391752243041992, acc = 0.884765625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.3597641587257385, acc = 0.8798828125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.35293930768966675, acc = 0.8759765625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.3684486746788025, acc = 0.869140625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.3816181421279907, acc = 0.873046875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.4353507459163666, acc = 0.845703125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3499619662761688, acc = 0.875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.35088521242141724, acc = 0.8916015625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.4104803204536438, acc = 0.8623046875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.34508705139160156, acc = 0.8818359375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.35418879985809326, acc = 0.8837890625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.3748980462551117, acc = 0.869140625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.4061990976333618, acc = 0.8740234375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.3115459382534027, acc = 0.9013671875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.36480221152305603, acc = 0.8720703125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.3565526604652405, acc = 0.8798828125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.410025030374527, acc = 0.8603515625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.40560537576675415, acc = 0.8623046875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.3333791494369507, acc = 0.8857421875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.4021916091442108, acc = 0.8583984375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.3707190155982971, acc = 0.8681640625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.38183748722076416, acc = 0.8720703125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.37387529015541077, acc = 0.8837890625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.38040781021118164, acc = 0.8779296875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.32663625478744507, acc = 0.8837890625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.30892708897590637, acc = 0.8916015625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.3460560441017151, acc = 0.8798828125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.3171596825122833, acc = 0.89453125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.3246122896671295, acc = 0.8876953125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.3492529094219208, acc = 0.884765625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3414037227630615, acc = 0.888671875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.38318344950675964, acc = 0.8828125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.3839665949344635, acc = 0.880859375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.3644986152648926, acc = 0.87890625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.3621545135974884, acc = 0.88671875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.3526582717895508, acc = 0.8759765625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.37901702523231506, acc = 0.8759765625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.3336907625198364, acc = 0.890625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.3574548363685608, acc = 0.876953125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.3683090806007385, acc = 0.875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.33363276720046997, acc = 0.876953125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.36176109313964844, acc = 0.8828125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.3109351396560669, acc = 0.8916015625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.3455412983894348, acc = 0.8896484375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.3839086592197418, acc = 0.875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.3817768692970276, acc = 0.87109375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.3892195522785187, acc = 0.861328125

Epoch 70/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.44805100560188293, acc = 0.865234375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.40697067975997925, acc = 0.873046875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.36007994413375854, acc = 0.880859375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.3726295530796051, acc = 0.884765625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.3841688632965088, acc = 0.875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.39075231552124023, acc = 0.875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.33257782459259033, acc = 0.8818359375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.3928913474082947, acc = 0.8798828125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.3669162094593048, acc = 0.880859375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.32828009128570557, acc = 0.888671875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.37102699279785156, acc = 0.8720703125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.35922691226005554, acc = 0.8740234375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.3470279276371002, acc = 0.8828125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.3565540313720703, acc = 0.892578125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.34337708353996277, acc = 0.8828125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.3436155915260315, acc = 0.8818359375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.3491140305995941, acc = 0.8740234375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.38757431507110596, acc = 0.876953125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.38496077060699463, acc = 0.8740234375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.3587479889392853, acc = 0.8857421875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.3738412857055664, acc = 0.8818359375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.3681418001651764, acc = 0.8818359375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.4000432789325714, acc = 0.859375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.3653189241886139, acc = 0.8701171875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.341428279876709, acc = 0.8896484375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.3810310363769531, acc = 0.8701171875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.44264641404151917, acc = 0.8525390625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.42609453201293945, acc = 0.8466796875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.3639155924320221, acc = 0.873046875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.36186516284942627, acc = 0.873046875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.38009777665138245, acc = 0.8642578125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.3874131441116333, acc = 0.8642578125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.34530746936798096, acc = 0.892578125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.38583070039749146, acc = 0.8603515625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.371380090713501, acc = 0.875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.3303472101688385, acc = 0.8916015625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.3119950592517853, acc = 0.9033203125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.3549751341342926, acc = 0.8818359375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.3505885899066925, acc = 0.8896484375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.3503932058811188, acc = 0.880859375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.34849920868873596, acc = 0.890625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.3579731583595276, acc = 0.8779296875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.42468199133872986, acc = 0.8486328125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.3326050043106079, acc = 0.8916015625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.3201718330383301, acc = 0.88671875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.3289991617202759, acc = 0.8837890625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.3278583586215973, acc = 0.8916015625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.3298865556716919, acc = 0.88671875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.3223475217819214, acc = 0.8896484375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.3143215775489807, acc = 0.90234375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.3352597951889038, acc = 0.8876953125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.37030354142189026, acc = 0.8681640625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.3479015827178955, acc = 0.8837890625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.32192668318748474, acc = 0.89453125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.32529035210609436, acc = 0.8818359375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.3616812825202942, acc = 0.8720703125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.37342241406440735, acc = 0.861328125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.4122099280357361, acc = 0.8603515625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2919885814189911, acc = 0.8974609375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.3557204306125641, acc = 0.876953125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.34234923124313354, acc = 0.888671875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.42743435502052307, acc = 0.84765625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.3445052206516266, acc = 0.8857421875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2994174361228943, acc = 0.91015625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.3742460608482361, acc = 0.8798828125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.3459155857563019, acc = 0.884765625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.3444519639015198, acc = 0.8818359375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.3540361821651459, acc = 0.880859375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.3309924006462097, acc = 0.8955078125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.3769848942756653, acc = 0.8681640625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.39499780535697937, acc = 0.865234375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.304953396320343, acc = 0.8994140625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.3908640742301941, acc = 0.8701171875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.3760913610458374, acc = 0.8720703125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.437744140625, acc = 0.865234375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.4097275733947754, acc = 0.859375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3317863345146179, acc = 0.88671875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.3720841109752655, acc = 0.875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.31559404730796814, acc = 0.900390625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.3506017327308655, acc = 0.8916015625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.3660607933998108, acc = 0.8720703125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.33954495191574097, acc = 0.890625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.3580145239830017, acc = 0.880859375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.3616791069507599, acc = 0.873046875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.3566918671131134, acc = 0.87890625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3325985372066498, acc = 0.875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.3597342371940613, acc = 0.8935546875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.3846791386604309, acc = 0.8671875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.3333631455898285, acc = 0.8779296875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.369997501373291, acc = 0.869140625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.40294110774993896, acc = 0.8671875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.3622788190841675, acc = 0.873046875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.32245713472366333, acc = 0.890625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.3133343756198883, acc = 0.8896484375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.331447571516037, acc = 0.890625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.4467237591743469, acc = 0.849609375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.34531083703041077, acc = 0.890625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.33248084783554077, acc = 0.884765625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.4114992916584015, acc = 0.8583984375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.3788145184516907, acc = 0.861328125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.38709956407546997, acc = 0.8798828125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.3578982949256897, acc = 0.8671875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.3682926297187805, acc = 0.8828125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.3059956431388855, acc = 0.9013671875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.3218814432621002, acc = 0.89453125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.3550783693790436, acc = 0.8740234375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.33999115228652954, acc = 0.890625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.3673630654811859, acc = 0.876953125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.3923201262950897, acc = 0.8603515625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3138618469238281, acc = 0.9052734375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.39519202709198, acc = 0.8720703125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.3338105082511902, acc = 0.892578125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.3715064227581024, acc = 0.873046875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.3894909620285034, acc = 0.8779296875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.3581244945526123, acc = 0.876953125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.37620067596435547, acc = 0.87109375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.3512307405471802, acc = 0.892578125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.32658496499061584, acc = 0.8828125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.36447346210479736, acc = 0.875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.3098025619983673, acc = 0.8837890625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.3441970944404602, acc = 0.8798828125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.3453369438648224, acc = 0.8798828125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.3557490408420563, acc = 0.8837890625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.3542362451553345, acc = 0.8720703125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.3502630591392517, acc = 0.888671875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.376975953578949, acc = 0.876953125
Saved checkpoint to weights.70.h5

Epoch 71/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.45207273960113525, acc = 0.8623046875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.38335108757019043, acc = 0.876953125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.3473733365535736, acc = 0.880859375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.36209142208099365, acc = 0.888671875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.35130950808525085, acc = 0.8759765625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.43300580978393555, acc = 0.8505859375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.33050036430358887, acc = 0.8916015625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.3567866086959839, acc = 0.8759765625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.4065542221069336, acc = 0.8603515625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.36616775393486023, acc = 0.876953125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.3605903387069702, acc = 0.876953125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.3486219346523285, acc = 0.876953125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.33725452423095703, acc = 0.8828125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.3753548860549927, acc = 0.8779296875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.3366372585296631, acc = 0.8916015625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.37277868390083313, acc = 0.86328125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.3563019037246704, acc = 0.88671875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.38804227113723755, acc = 0.869140625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.3703905940055847, acc = 0.873046875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.3553853929042816, acc = 0.8779296875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.3850785493850708, acc = 0.8583984375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.38748297095298767, acc = 0.865234375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.387880802154541, acc = 0.873046875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.3232671618461609, acc = 0.8837890625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.33830952644348145, acc = 0.8896484375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.342719703912735, acc = 0.888671875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.402998685836792, acc = 0.875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.3993741571903229, acc = 0.859375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.36433953046798706, acc = 0.8740234375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.343354195356369, acc = 0.8857421875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.36821216344833374, acc = 0.87890625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.4035097062587738, acc = 0.8642578125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.3322027921676636, acc = 0.888671875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.3678766191005707, acc = 0.8759765625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.3879888653755188, acc = 0.87109375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.3122326731681824, acc = 0.900390625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.303880900144577, acc = 0.89453125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.35402390360832214, acc = 0.8818359375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.3629114031791687, acc = 0.880859375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.3312409222126007, acc = 0.896484375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.33686524629592896, acc = 0.87109375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.3531744182109833, acc = 0.8681640625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.3690513074398041, acc = 0.884765625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.29445165395736694, acc = 0.896484375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.32267746329307556, acc = 0.896484375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.32068926095962524, acc = 0.9013671875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.33209431171417236, acc = 0.8984375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.3055404722690582, acc = 0.8935546875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.33482804894447327, acc = 0.88671875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.35021156072616577, acc = 0.88671875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.368144690990448, acc = 0.8857421875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.35449379682540894, acc = 0.87109375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.3359197676181793, acc = 0.88671875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2834383249282837, acc = 0.8984375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.34480059146881104, acc = 0.873046875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.36718952655792236, acc = 0.880859375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.3900344967842102, acc = 0.8681640625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.40470489859580994, acc = 0.8623046875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2629258930683136, acc = 0.9169921875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.3367769420146942, acc = 0.890625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.3133848011493683, acc = 0.892578125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.3612017035484314, acc = 0.8759765625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.32030749320983887, acc = 0.89453125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.30395784974098206, acc = 0.91015625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.350573867559433, acc = 0.8759765625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.3246316909790039, acc = 0.89453125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.33563944697380066, acc = 0.89453125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.3260256052017212, acc = 0.8876953125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.30761462450027466, acc = 0.9033203125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.3725808262825012, acc = 0.8818359375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.36122506856918335, acc = 0.873046875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.31483781337738037, acc = 0.896484375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.3753621280193329, acc = 0.873046875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.3573046326637268, acc = 0.875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.38510000705718994, acc = 0.8681640625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.3632027804851532, acc = 0.875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.32982558012008667, acc = 0.8984375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.37147119641304016, acc = 0.8759765625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.3568387031555176, acc = 0.87890625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.36545199155807495, acc = 0.8720703125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.37473243474960327, acc = 0.880859375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.3459892272949219, acc = 0.8916015625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.3508514165878296, acc = 0.880859375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.3308195471763611, acc = 0.8828125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.33212903141975403, acc = 0.8857421875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.34010565280914307, acc = 0.89453125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.38067901134490967, acc = 0.88671875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.3574711084365845, acc = 0.8798828125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.3281424045562744, acc = 0.9013671875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.3395395278930664, acc = 0.875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.37637612223625183, acc = 0.8740234375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.3438849151134491, acc = 0.8896484375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.3009040951728821, acc = 0.89453125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.34495535492897034, acc = 0.8828125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.34204328060150146, acc = 0.88671875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.3862932324409485, acc = 0.8798828125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.34518516063690186, acc = 0.8916015625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.3215879201889038, acc = 0.8935546875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.39668089151382446, acc = 0.8671875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.37222111225128174, acc = 0.8779296875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.33963271975517273, acc = 0.8740234375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.35271668434143066, acc = 0.87109375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.39018985629081726, acc = 0.8642578125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.30475902557373047, acc = 0.892578125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.3002578914165497, acc = 0.9033203125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.35109061002731323, acc = 0.8837890625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.3201430141925812, acc = 0.8896484375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.3509555459022522, acc = 0.880859375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.33773404359817505, acc = 0.8837890625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.33705538511276245, acc = 0.8955078125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.4411607086658478, acc = 0.8564453125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.360189825296402, acc = 0.875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.35097625851631165, acc = 0.8916015625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.3952162265777588, acc = 0.8720703125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.38951483368873596, acc = 0.861328125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.37990957498550415, acc = 0.8671875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.319962739944458, acc = 0.888671875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.3295842409133911, acc = 0.892578125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.35233888030052185, acc = 0.8740234375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.30983614921569824, acc = 0.8818359375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.3675048351287842, acc = 0.8740234375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.32726025581359863, acc = 0.87890625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.36011257767677307, acc = 0.875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.3973749279975891, acc = 0.8671875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.3859579265117645, acc = 0.873046875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.398538738489151, acc = 0.8681640625

Epoch 72/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.45608028769493103, acc = 0.8564453125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.3972976505756378, acc = 0.86328125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.3430779278278351, acc = 0.8798828125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.3579150438308716, acc = 0.87890625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.36826151609420776, acc = 0.8876953125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.36233043670654297, acc = 0.873046875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.3536732792854309, acc = 0.880859375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.37720024585723877, acc = 0.875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.36985883116722107, acc = 0.8720703125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.30029478669166565, acc = 0.890625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.38181182742118835, acc = 0.876953125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.37054309248924255, acc = 0.8759765625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.31358611583709717, acc = 0.9033203125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.33503398299217224, acc = 0.8876953125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.3319101333618164, acc = 0.8837890625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.36847183108329773, acc = 0.8740234375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.3602598011493683, acc = 0.880859375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.33536991477012634, acc = 0.8857421875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.34263649582862854, acc = 0.8916015625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.3773881196975708, acc = 0.875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.37971314787864685, acc = 0.8662109375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.3822328746318817, acc = 0.8681640625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.3975418508052826, acc = 0.8681640625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.3215538263320923, acc = 0.890625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.33689871430397034, acc = 0.8828125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.3201334774494171, acc = 0.8974609375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.395281583070755, acc = 0.869140625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.3740660548210144, acc = 0.8798828125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.35608360171318054, acc = 0.8779296875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.34295278787612915, acc = 0.8837890625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.38076114654541016, acc = 0.8740234375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.4115715026855469, acc = 0.8623046875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.3154454529285431, acc = 0.896484375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.35599949955940247, acc = 0.87890625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.3762107193470001, acc = 0.869140625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.30447590351104736, acc = 0.884765625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.31559568643569946, acc = 0.890625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.3371375799179077, acc = 0.89453125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.33086520433425903, acc = 0.890625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.3631458282470703, acc = 0.873046875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.3612106144428253, acc = 0.873046875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.3614688813686371, acc = 0.8837890625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.37769532203674316, acc = 0.8642578125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.3296598196029663, acc = 0.8955078125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.2954820692539215, acc = 0.90234375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.3185904920101166, acc = 0.87890625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.3307981491088867, acc = 0.89453125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.3442276120185852, acc = 0.8818359375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.2939588725566864, acc = 0.900390625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.32003897428512573, acc = 0.8974609375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.33900171518325806, acc = 0.8916015625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.34866517782211304, acc = 0.8798828125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.3481481671333313, acc = 0.8837890625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.28435850143432617, acc = 0.900390625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.32593947649002075, acc = 0.8955078125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.31879135966300964, acc = 0.8876953125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.3593364357948303, acc = 0.875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.3872779607772827, acc = 0.857421875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.26500970125198364, acc = 0.9111328125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.36107510328292847, acc = 0.8759765625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.3084915578365326, acc = 0.892578125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.4031744599342346, acc = 0.875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.33917075395584106, acc = 0.884765625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.31995558738708496, acc = 0.890625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.3369429409503937, acc = 0.8837890625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.34083884954452515, acc = 0.87890625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.34177106618881226, acc = 0.8828125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.3582020699977875, acc = 0.865234375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.3298541009426117, acc = 0.8916015625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.35588952898979187, acc = 0.8779296875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.3589895963668823, acc = 0.8818359375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.32282108068466187, acc = 0.89453125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.3782859742641449, acc = 0.8720703125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.3716852366924286, acc = 0.875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.3966965675354004, acc = 0.8701171875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.39069461822509766, acc = 0.865234375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3458788990974426, acc = 0.8828125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.34566497802734375, acc = 0.8798828125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.37062740325927734, acc = 0.8720703125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.32048845291137695, acc = 0.8876953125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.37052640318870544, acc = 0.8720703125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.3420903980731964, acc = 0.8818359375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.3125264048576355, acc = 0.8974609375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.35753604769706726, acc = 0.8720703125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.3951597213745117, acc = 0.8662109375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3498609662055969, acc = 0.8818359375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.35062849521636963, acc = 0.880859375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.3896460235118866, acc = 0.86328125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.31739309430122375, acc = 0.9013671875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.3386116921901703, acc = 0.8896484375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.3500397205352783, acc = 0.873046875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.3405642509460449, acc = 0.896484375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.31739139556884766, acc = 0.892578125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.2859167158603668, acc = 0.9111328125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.31208235025405884, acc = 0.9013671875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.4132802486419678, acc = 0.8505859375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.35910820960998535, acc = 0.8828125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.31818851828575134, acc = 0.8935546875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.39077791571617126, acc = 0.8642578125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.3686966300010681, acc = 0.8759765625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.34682783484458923, acc = 0.880859375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.3892345726490021, acc = 0.8583984375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.3615131080150604, acc = 0.8720703125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.29393473267555237, acc = 0.8955078125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.303709477186203, acc = 0.8984375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.35243842005729675, acc = 0.876953125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.30752575397491455, acc = 0.888671875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.3373100459575653, acc = 0.8857421875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.3736363351345062, acc = 0.8740234375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3432653546333313, acc = 0.8857421875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.35660290718078613, acc = 0.89453125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.35782870650291443, acc = 0.8818359375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.3339647352695465, acc = 0.8837890625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.3865511119365692, acc = 0.861328125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.35793280601501465, acc = 0.87890625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.35314664244651794, acc = 0.880859375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.3393983542919159, acc = 0.8818359375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.3246622681617737, acc = 0.8955078125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.3475542664527893, acc = 0.880859375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.305789589881897, acc = 0.9013671875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.3556132912635803, acc = 0.87109375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.2915135622024536, acc = 0.91015625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.3338460624217987, acc = 0.8818359375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.33199429512023926, acc = 0.8994140625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.3805166780948639, acc = 0.87109375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.3568377196788788, acc = 0.8857421875

Epoch 73/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.4387899935245514, acc = 0.873046875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.4030408561229706, acc = 0.8642578125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.33349597454071045, acc = 0.8798828125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.3816695809364319, acc = 0.865234375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.3533754050731659, acc = 0.890625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.38240280747413635, acc = 0.8701171875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.35827696323394775, acc = 0.876953125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.38981297612190247, acc = 0.8642578125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.37030497193336487, acc = 0.8818359375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.3245150148868561, acc = 0.896484375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.3628208637237549, acc = 0.8779296875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.37908685207366943, acc = 0.86328125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.333494633436203, acc = 0.8955078125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.3554074466228485, acc = 0.888671875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.3561463952064514, acc = 0.876953125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.34644293785095215, acc = 0.8828125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.32734668254852295, acc = 0.8857421875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.3691183924674988, acc = 0.888671875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.35426193475723267, acc = 0.8818359375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.3950873017311096, acc = 0.8642578125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.34460026025772095, acc = 0.8828125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.35752230882644653, acc = 0.8798828125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.3583448827266693, acc = 0.8779296875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.342195063829422, acc = 0.8916015625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.3241203725337982, acc = 0.89453125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.32043442130088806, acc = 0.89453125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.37930795550346375, acc = 0.876953125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.3859660029411316, acc = 0.869140625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.3750177025794983, acc = 0.8662109375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.32979562878608704, acc = 0.8876953125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.3525565564632416, acc = 0.8857421875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.36566898226737976, acc = 0.880859375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.311229407787323, acc = 0.8935546875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.38120347261428833, acc = 0.869140625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.3499034643173218, acc = 0.884765625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.32711052894592285, acc = 0.8876953125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.3282397389411926, acc = 0.8876953125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.31011033058166504, acc = 0.8828125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.33560043573379517, acc = 0.8935546875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.3335148096084595, acc = 0.890625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.322511225938797, acc = 0.888671875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.3744661211967468, acc = 0.8623046875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.3712298572063446, acc = 0.865234375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.3471967279911041, acc = 0.8798828125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.30545908212661743, acc = 0.8984375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.3014456033706665, acc = 0.89453125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.3226664066314697, acc = 0.890625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.33733615279197693, acc = 0.8740234375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.311423122882843, acc = 0.89453125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.2996779680252075, acc = 0.888671875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.31804317235946655, acc = 0.892578125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.3523097038269043, acc = 0.8759765625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.3392203450202942, acc = 0.8857421875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.27346718311309814, acc = 0.9111328125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.3212670683860779, acc = 0.884765625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.34167593717575073, acc = 0.8876953125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.36024489998817444, acc = 0.873046875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.3855808675289154, acc = 0.8671875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.28564584255218506, acc = 0.916015625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.3099217712879181, acc = 0.8935546875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.2999103367328644, acc = 0.90234375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.38465049862861633, acc = 0.865234375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.32295873761177063, acc = 0.8916015625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.3233983516693115, acc = 0.8916015625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.3370753228664398, acc = 0.890625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.33831360936164856, acc = 0.8828125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.31280893087387085, acc = 0.8916015625
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.3183351457118988, acc = 0.8876953125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.3341504633426666, acc = 0.8974609375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.3654915392398834, acc = 0.8779296875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.3259170353412628, acc = 0.8896484375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.3214557468891144, acc = 0.8896484375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.3555571436882019, acc = 0.8876953125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.3569851517677307, acc = 0.87109375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.425301730632782, acc = 0.8505859375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.3588688373565674, acc = 0.8701171875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.33466312289237976, acc = 0.888671875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.3562842607498169, acc = 0.8740234375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.36051425337791443, acc = 0.880859375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.3416053354740143, acc = 0.8837890625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.3544332683086395, acc = 0.8759765625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.34511277079582214, acc = 0.896484375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.3253456652164459, acc = 0.8955078125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.3474765121936798, acc = 0.8759765625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.37796396017074585, acc = 0.8662109375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3311251699924469, acc = 0.896484375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.360328733921051, acc = 0.8818359375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.35647615790367126, acc = 0.884765625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.2908528447151184, acc = 0.9052734375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.2977415919303894, acc = 0.90625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.3552568256855011, acc = 0.873046875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.3389989733695984, acc = 0.884765625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.32725954055786133, acc = 0.88671875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.3484855592250824, acc = 0.8818359375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.3511432409286499, acc = 0.873046875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.3718078136444092, acc = 0.8603515625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.3652372658252716, acc = 0.876953125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.3290901482105255, acc = 0.876953125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.3866782486438751, acc = 0.859375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.36038732528686523, acc = 0.8837890625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.3113517165184021, acc = 0.8974609375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.3606911897659302, acc = 0.8671875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.37648624181747437, acc = 0.873046875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.30003881454467773, acc = 0.900390625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.2984248399734497, acc = 0.8916015625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.3159010112285614, acc = 0.8876953125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.3320368826389313, acc = 0.8798828125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.3284657597541809, acc = 0.892578125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.372197687625885, acc = 0.8623046875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3435715436935425, acc = 0.88671875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.3761052191257477, acc = 0.8779296875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.37132611870765686, acc = 0.876953125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.34518539905548096, acc = 0.8828125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.3241306245326996, acc = 0.90234375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.35213643312454224, acc = 0.8876953125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.3743371069431305, acc = 0.8798828125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.3362656533718109, acc = 0.89453125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.31761831045150757, acc = 0.89453125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.36702457070350647, acc = 0.8798828125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.29116004705429077, acc = 0.8876953125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.34765225648880005, acc = 0.8896484375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.29972177743911743, acc = 0.8974609375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.3514414429664612, acc = 0.8876953125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.33890900015830994, acc = 0.8837890625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.3582385778427124, acc = 0.876953125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.35589033365249634, acc = 0.87890625

Epoch 74/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.45308566093444824, acc = 0.8603515625
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.39025720953941345, acc = 0.8583984375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.3564246594905853, acc = 0.8759765625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.3338533639907837, acc = 0.8974609375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.3838520050048828, acc = 0.869140625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.32531774044036865, acc = 0.88671875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.3217927813529968, acc = 0.884765625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.39144396781921387, acc = 0.8623046875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.3517608642578125, acc = 0.8798828125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.2939745783805847, acc = 0.8955078125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.3917514383792877, acc = 0.8662109375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.3385012745857239, acc = 0.88671875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.3210158050060272, acc = 0.9013671875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.3204297721385956, acc = 0.8916015625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.31446701288223267, acc = 0.9052734375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.34352046251296997, acc = 0.8837890625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.33538109064102173, acc = 0.8876953125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.3491840362548828, acc = 0.8828125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.35335421562194824, acc = 0.890625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.39553511142730713, acc = 0.87890625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.3778175711631775, acc = 0.87109375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.36394384503364563, acc = 0.87109375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.3604682683944702, acc = 0.875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.3206362724304199, acc = 0.884765625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.29654425382614136, acc = 0.8984375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.32517629861831665, acc = 0.876953125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.3835632801055908, acc = 0.8642578125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.40642136335372925, acc = 0.857421875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.35378387570381165, acc = 0.865234375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.350462406873703, acc = 0.8759765625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.3599582016468048, acc = 0.8837890625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.39758601784706116, acc = 0.8681640625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.2933211624622345, acc = 0.912109375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.347847580909729, acc = 0.884765625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.3897952437400818, acc = 0.8623046875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.2813079357147217, acc = 0.9033203125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.29096519947052, acc = 0.892578125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.34410402178764343, acc = 0.88671875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.31906992197036743, acc = 0.8994140625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.33368512988090515, acc = 0.87890625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.33673229813575745, acc = 0.8818359375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.33429768681526184, acc = 0.884765625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.3718646466732025, acc = 0.87890625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.3140535056591034, acc = 0.90234375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.29004719853401184, acc = 0.900390625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.32142603397369385, acc = 0.8955078125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.3128055930137634, acc = 0.8896484375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.30868735909461975, acc = 0.8984375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.30719223618507385, acc = 0.89453125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.28694456815719604, acc = 0.8974609375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.32121819257736206, acc = 0.8896484375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.34206825494766235, acc = 0.8828125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.3125915229320526, acc = 0.8857421875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2770934998989105, acc = 0.8984375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.3366307020187378, acc = 0.9013671875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.35254716873168945, acc = 0.88671875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.3464645445346832, acc = 0.8828125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.3754779100418091, acc = 0.869140625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2761296033859253, acc = 0.90625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.30356866121292114, acc = 0.904296875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.3146701455116272, acc = 0.8916015625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.3809196352958679, acc = 0.875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.3262091875076294, acc = 0.8828125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.3111437261104584, acc = 0.8984375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.342507541179657, acc = 0.8876953125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.3170083165168762, acc = 0.8935546875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.29856929183006287, acc = 0.8974609375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.30820804834365845, acc = 0.888671875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.32774534821510315, acc = 0.8916015625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.3620159327983856, acc = 0.884765625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.36370986700057983, acc = 0.86328125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.2833884358406067, acc = 0.9091796875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.374013751745224, acc = 0.88671875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.34066757559776306, acc = 0.8759765625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.4028913378715515, acc = 0.84765625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.3906373679637909, acc = 0.8681640625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3643476963043213, acc = 0.880859375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.3595983386039734, acc = 0.8759765625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.2995716631412506, acc = 0.8935546875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.29739224910736084, acc = 0.8935546875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.3302541971206665, acc = 0.88671875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.30029210448265076, acc = 0.8974609375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.33697599172592163, acc = 0.892578125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.3170532286167145, acc = 0.900390625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.34205374121665955, acc = 0.8798828125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.30237478017807007, acc = 0.8974609375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.34721875190734863, acc = 0.88671875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.3814122676849365, acc = 0.8642578125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.2985871136188507, acc = 0.8994140625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.35783231258392334, acc = 0.8828125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.3553796708583832, acc = 0.8818359375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.33450132608413696, acc = 0.884765625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.2872699499130249, acc = 0.90625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.3198205530643463, acc = 0.8974609375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.30245399475097656, acc = 0.9013671875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.3735070824623108, acc = 0.8623046875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.31688663363456726, acc = 0.890625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.31318536400794983, acc = 0.8994140625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.3731950521469116, acc = 0.8740234375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.3328222632408142, acc = 0.8984375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.3715180456638336, acc = 0.869140625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.3588973581790924, acc = 0.87890625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.36311373114585876, acc = 0.8798828125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.30237242579460144, acc = 0.892578125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.2783438563346863, acc = 0.9033203125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.33155104517936707, acc = 0.8779296875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.3412485122680664, acc = 0.8828125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.3267229497432709, acc = 0.888671875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.32862263917922974, acc = 0.8984375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3090967833995819, acc = 0.90625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.3720102906227112, acc = 0.869140625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.3835797607898712, acc = 0.875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.3317197859287262, acc = 0.8876953125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.357539564371109, acc = 0.890625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.31994977593421936, acc = 0.892578125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.3170783817768097, acc = 0.900390625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.32402703166007996, acc = 0.8857421875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.3160889148712158, acc = 0.888671875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.33083057403564453, acc = 0.884765625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.3108161687850952, acc = 0.8916015625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.3294714391231537, acc = 0.890625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.308433473110199, acc = 0.8955078125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.36256736516952515, acc = 0.876953125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.3459033966064453, acc = 0.8828125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.373269647359848, acc = 0.884765625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.3636557459831238, acc = 0.8798828125

Epoch 75/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.44144994020462036, acc = 0.873046875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.3522041440010071, acc = 0.8798828125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.3486589193344116, acc = 0.884765625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.3109016716480255, acc = 0.8974609375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.3522355854511261, acc = 0.890625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.3557663857936859, acc = 0.880859375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.31524041295051575, acc = 0.8896484375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.3708084523677826, acc = 0.8818359375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.29982292652130127, acc = 0.90234375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.3296778202056885, acc = 0.88671875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.35994499921798706, acc = 0.8818359375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.32353779673576355, acc = 0.8916015625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.3324049115180969, acc = 0.8984375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.3112182319164276, acc = 0.8935546875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.34153851866722107, acc = 0.8720703125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.37860971689224243, acc = 0.8515625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.3029680550098419, acc = 0.91015625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.3623567223548889, acc = 0.87890625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.3400975167751312, acc = 0.888671875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.3640628755092621, acc = 0.8818359375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.36898523569107056, acc = 0.8818359375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.34256070852279663, acc = 0.8818359375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.3692479133605957, acc = 0.87890625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.3425241708755493, acc = 0.87890625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.3200915455818176, acc = 0.880859375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.3329834043979645, acc = 0.8828125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.39626291394233704, acc = 0.8701171875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.3659692406654358, acc = 0.8759765625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.32540130615234375, acc = 0.8876953125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.3267340362071991, acc = 0.875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.3887699246406555, acc = 0.8740234375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.3619632124900818, acc = 0.8779296875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.27992379665374756, acc = 0.8974609375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.3484867215156555, acc = 0.8818359375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.3585650324821472, acc = 0.880859375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.2711885869503021, acc = 0.904296875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.297148734331131, acc = 0.8984375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.38289767503738403, acc = 0.876953125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.33788567781448364, acc = 0.8857421875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.3135707378387451, acc = 0.888671875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.3055696189403534, acc = 0.9033203125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.323927104473114, acc = 0.8896484375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.3471434712409973, acc = 0.8828125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.28630921244621277, acc = 0.9072265625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.27710628509521484, acc = 0.904296875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.31596601009368896, acc = 0.8935546875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.3004003167152405, acc = 0.9072265625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.28598839044570923, acc = 0.9013671875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.2847518026828766, acc = 0.9033203125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.2754203677177429, acc = 0.8974609375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.32230472564697266, acc = 0.890625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.32430920004844666, acc = 0.87890625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.3084597587585449, acc = 0.890625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2553156614303589, acc = 0.908203125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.3077252507209778, acc = 0.896484375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.3323696255683899, acc = 0.896484375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.3374727964401245, acc = 0.8857421875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.37552618980407715, acc = 0.8759765625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2758908271789551, acc = 0.904296875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.318008154630661, acc = 0.8994140625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.2848491370677948, acc = 0.904296875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.38301169872283936, acc = 0.8798828125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.28015124797821045, acc = 0.916015625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.28681495785713196, acc = 0.90625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.35629183053970337, acc = 0.8720703125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.29284387826919556, acc = 0.904296875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.3082803785800934, acc = 0.8974609375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.33217066526412964, acc = 0.8876953125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.3037025034427643, acc = 0.904296875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.33909666538238525, acc = 0.888671875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.3398195803165436, acc = 0.8916015625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.3016010522842407, acc = 0.890625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.3397561013698578, acc = 0.8818359375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.37121525406837463, acc = 0.87109375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.3800085484981537, acc = 0.8740234375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.3839069902896881, acc = 0.8623046875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3091972768306732, acc = 0.8974609375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.35368457436561584, acc = 0.8837890625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.3109910488128662, acc = 0.888671875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.3324209153652191, acc = 0.888671875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.319208562374115, acc = 0.8994140625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.3220922350883484, acc = 0.8955078125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.2917090654373169, acc = 0.8994140625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.32835710048675537, acc = 0.88671875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.324720561504364, acc = 0.8818359375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3300463557243347, acc = 0.888671875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.3183537721633911, acc = 0.8916015625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.3326126039028168, acc = 0.88671875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.3140629529953003, acc = 0.8974609375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.34462395310401917, acc = 0.8857421875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.322867751121521, acc = 0.8974609375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.32105666399002075, acc = 0.8935546875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.28405460715293884, acc = 0.904296875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.32164856791496277, acc = 0.8876953125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.28940317034721375, acc = 0.9033203125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.34711048007011414, acc = 0.8818359375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.3258681893348694, acc = 0.8974609375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.31400448083877563, acc = 0.888671875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.3812010884284973, acc = 0.869140625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.33308371901512146, acc = 0.8759765625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.2906646132469177, acc = 0.900390625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.33009055256843567, acc = 0.892578125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.33015814423561096, acc = 0.89453125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.30374959111213684, acc = 0.892578125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.29488253593444824, acc = 0.90234375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.31795385479927063, acc = 0.888671875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.2953450083732605, acc = 0.8974609375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.33886581659317017, acc = 0.8837890625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.3357258141040802, acc = 0.8916015625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.2995465397834778, acc = 0.9052734375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.35978126525878906, acc = 0.87109375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.33699241280555725, acc = 0.8876953125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.3432381749153137, acc = 0.87890625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.3292686641216278, acc = 0.8916015625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.3305032551288605, acc = 0.8935546875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.3496761918067932, acc = 0.8837890625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.30487456917762756, acc = 0.90234375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.3380129933357239, acc = 0.88671875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.31331637501716614, acc = 0.8955078125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.29484590888023376, acc = 0.890625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.3537334203720093, acc = 0.8837890625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.2994788587093353, acc = 0.8916015625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.3534408509731293, acc = 0.8759765625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.34042033553123474, acc = 0.8857421875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.3447474241256714, acc = 0.876953125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.3216504752635956, acc = 0.9033203125

Epoch 76/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.4134216904640198, acc = 0.8720703125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.37239697575569153, acc = 0.8681640625
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.34407761693000793, acc = 0.888671875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.2963356375694275, acc = 0.91015625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.3657669425010681, acc = 0.8857421875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.3368876874446869, acc = 0.8876953125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.3427075147628784, acc = 0.8740234375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.36458873748779297, acc = 0.87890625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.34609735012054443, acc = 0.8818359375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.26035162806510925, acc = 0.9091796875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.3502514064311981, acc = 0.8935546875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.3562178313732147, acc = 0.869140625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.3272401690483093, acc = 0.880859375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.31097525358200073, acc = 0.9033203125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.3197757601737976, acc = 0.8955078125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.3310781717300415, acc = 0.88671875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.3317055106163025, acc = 0.88671875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.37276485562324524, acc = 0.8740234375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.3305306136608124, acc = 0.88671875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.32903245091438293, acc = 0.8779296875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.3327951729297638, acc = 0.89453125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.3560614585876465, acc = 0.8798828125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.333149790763855, acc = 0.880859375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.31315484642982483, acc = 0.888671875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.3047665059566498, acc = 0.90234375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.3196309804916382, acc = 0.892578125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.3679206669330597, acc = 0.8701171875
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.3604332506656647, acc = 0.8681640625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.3538186848163605, acc = 0.875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.3284595310688019, acc = 0.8935546875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.3475349545478821, acc = 0.8798828125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.3640913665294647, acc = 0.873046875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.29552531242370605, acc = 0.896484375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.3446299433708191, acc = 0.8837890625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.3299395740032196, acc = 0.90234375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.3099820911884308, acc = 0.890625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.2873178720474243, acc = 0.8984375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.3277139961719513, acc = 0.888671875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.33670273423194885, acc = 0.8896484375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.3486956059932709, acc = 0.8837890625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.3348684310913086, acc = 0.8896484375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.3403317332267761, acc = 0.8916015625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.37839365005493164, acc = 0.869140625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.3108741044998169, acc = 0.9130859375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.2898675501346588, acc = 0.90625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.28065863251686096, acc = 0.892578125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.3298300504684448, acc = 0.888671875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.29723644256591797, acc = 0.904296875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.3154272139072418, acc = 0.89453125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.2919937074184418, acc = 0.900390625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.3131035566329956, acc = 0.8896484375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.2985721230506897, acc = 0.904296875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.30106621980667114, acc = 0.904296875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.26467692852020264, acc = 0.9072265625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.31714528799057007, acc = 0.884765625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.322131484746933, acc = 0.8935546875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.3395335376262665, acc = 0.8857421875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.34746599197387695, acc = 0.8798828125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2794022262096405, acc = 0.916015625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.3080790638923645, acc = 0.892578125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.29337620735168457, acc = 0.8974609375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.3509103059768677, acc = 0.8896484375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.33067572116851807, acc = 0.8837890625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.26446062326431274, acc = 0.9111328125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.3382597863674164, acc = 0.888671875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.3044079542160034, acc = 0.8916015625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.32240915298461914, acc = 0.896484375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.3352794647216797, acc = 0.9052734375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.2970430552959442, acc = 0.90625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.34123867750167847, acc = 0.8779296875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.3421946167945862, acc = 0.8779296875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.3083411455154419, acc = 0.8955078125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.31829342246055603, acc = 0.892578125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.359637051820755, acc = 0.8837890625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.37805673480033875, acc = 0.8720703125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.3877018690109253, acc = 0.8662109375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.30892476439476013, acc = 0.884765625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.34306710958480835, acc = 0.896484375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.3214511275291443, acc = 0.8876953125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.3275093734264374, acc = 0.87890625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.3418533205986023, acc = 0.8779296875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.3211434781551361, acc = 0.896484375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.31798624992370605, acc = 0.900390625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.2840785086154938, acc = 0.904296875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.35923320055007935, acc = 0.87890625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.2960560917854309, acc = 0.890625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.3479606509208679, acc = 0.890625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.3544190227985382, acc = 0.8720703125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.29555878043174744, acc = 0.8984375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.3281846046447754, acc = 0.88671875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.33116480708122253, acc = 0.8837890625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.2887285351753235, acc = 0.9140625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.2980360984802246, acc = 0.904296875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.3064008355140686, acc = 0.8984375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.28771770000457764, acc = 0.90234375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.34143751859664917, acc = 0.890625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.3299751281738281, acc = 0.896484375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.32054609060287476, acc = 0.8828125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.34103119373321533, acc = 0.8818359375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.32067587971687317, acc = 0.892578125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.32436859607696533, acc = 0.892578125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.34531185030937195, acc = 0.880859375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.3463008403778076, acc = 0.8798828125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.3088156282901764, acc = 0.8896484375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.2889569103717804, acc = 0.89453125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.3027225732803345, acc = 0.896484375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.35063621401786804, acc = 0.876953125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.31767737865448, acc = 0.89453125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.34638524055480957, acc = 0.8837890625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3058764934539795, acc = 0.9091796875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.3670118749141693, acc = 0.875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.3466939330101013, acc = 0.888671875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.34603872895240784, acc = 0.8837890625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.35925546288490295, acc = 0.8837890625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.31579068303108215, acc = 0.896484375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.3430730998516083, acc = 0.875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.2804599702358246, acc = 0.9091796875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.30598437786102295, acc = 0.8955078125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.33197253942489624, acc = 0.8916015625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.2881496846675873, acc = 0.8984375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.34606266021728516, acc = 0.8837890625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.29232257604599, acc = 0.9072265625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.3238740563392639, acc = 0.904296875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.3434433341026306, acc = 0.896484375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.3369581699371338, acc = 0.8935546875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.3472081422805786, acc = 0.8779296875

Epoch 77/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.4433112144470215, acc = 0.8671875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.3687804043292999, acc = 0.8720703125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.3074236512184143, acc = 0.884765625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.317143976688385, acc = 0.8955078125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.42253145575523376, acc = 0.853515625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.341161847114563, acc = 0.8916015625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.3118882477283478, acc = 0.884765625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.3400573432445526, acc = 0.8857421875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.3177322745323181, acc = 0.890625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.2732926309108734, acc = 0.904296875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.35675734281539917, acc = 0.8857421875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.336063414812088, acc = 0.888671875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.29758045077323914, acc = 0.90625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.3331730365753174, acc = 0.884765625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.289678156375885, acc = 0.892578125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.30751025676727295, acc = 0.8857421875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.3195250630378723, acc = 0.892578125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.35661473870277405, acc = 0.8671875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.3393639922142029, acc = 0.880859375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.36130866408348083, acc = 0.8828125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.33405348658561707, acc = 0.892578125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.3105993866920471, acc = 0.8896484375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.33956459164619446, acc = 0.8837890625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.32228901982307434, acc = 0.890625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.3020971417427063, acc = 0.8974609375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.31557005643844604, acc = 0.884765625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.3661717474460602, acc = 0.8759765625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.34512460231781006, acc = 0.875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.3480958640575409, acc = 0.8779296875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.3282526731491089, acc = 0.8994140625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.3418181240558624, acc = 0.8798828125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.36545470356941223, acc = 0.8681640625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.28893032670021057, acc = 0.8994140625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.3562440872192383, acc = 0.876953125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.35533812642097473, acc = 0.8779296875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.30899345874786377, acc = 0.8896484375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.2755069136619568, acc = 0.9150390625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.31874117255210876, acc = 0.8974609375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.3495892882347107, acc = 0.89453125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.33777302503585815, acc = 0.884765625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.3408830761909485, acc = 0.8876953125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.3183620572090149, acc = 0.896484375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.3560269773006439, acc = 0.8818359375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.30013495683670044, acc = 0.8984375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.27912649512290955, acc = 0.9033203125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.3008398413658142, acc = 0.896484375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.3052556812763214, acc = 0.8935546875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.3092409670352936, acc = 0.8935546875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.2719579339027405, acc = 0.9111328125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.30106401443481445, acc = 0.9111328125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.2750663459300995, acc = 0.912109375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.3206632733345032, acc = 0.888671875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.29955214262008667, acc = 0.908203125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.24278435111045837, acc = 0.9169921875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.281782865524292, acc = 0.9130859375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.34485843777656555, acc = 0.890625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.36399632692337036, acc = 0.87890625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.3319220244884491, acc = 0.884765625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2642383277416229, acc = 0.916015625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.29137885570526123, acc = 0.8916015625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.28782951831817627, acc = 0.8994140625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.35114020109176636, acc = 0.8818359375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.29908114671707153, acc = 0.896484375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2649078369140625, acc = 0.9140625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.3099302649497986, acc = 0.8857421875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.2925921082496643, acc = 0.900390625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.3165076673030853, acc = 0.9033203125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.30631741881370544, acc = 0.900390625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.2813917398452759, acc = 0.90625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.3465435802936554, acc = 0.8837890625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.3375529646873474, acc = 0.8896484375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.27235472202301025, acc = 0.9140625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.34371599555015564, acc = 0.8916015625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.34471121430397034, acc = 0.8671875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.38213104009628296, acc = 0.884765625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.35710781812667847, acc = 0.8798828125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3048763573169708, acc = 0.890625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.3512851595878601, acc = 0.892578125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.3264255225658417, acc = 0.896484375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.30989307165145874, acc = 0.8994140625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.3407036364078522, acc = 0.8857421875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.3126346468925476, acc = 0.8935546875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.30281296372413635, acc = 0.89453125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.29118841886520386, acc = 0.908203125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.3367994725704193, acc = 0.89453125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3071605861186981, acc = 0.8935546875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.321212500333786, acc = 0.8896484375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.32572636008262634, acc = 0.8857421875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.27339574694633484, acc = 0.896484375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.3124164938926697, acc = 0.890625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.3256334662437439, acc = 0.8896484375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.31322813034057617, acc = 0.8994140625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.26997077465057373, acc = 0.9072265625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.27505922317504883, acc = 0.9091796875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.2985135614871979, acc = 0.9052734375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.36980414390563965, acc = 0.8720703125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.3055456280708313, acc = 0.91015625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.3159889578819275, acc = 0.88671875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.36914294958114624, acc = 0.880859375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.3308399021625519, acc = 0.8837890625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.32999709248542786, acc = 0.8876953125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.3485838770866394, acc = 0.880859375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.33284199237823486, acc = 0.896484375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.26175445318222046, acc = 0.9208984375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.2914440631866455, acc = 0.90625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.3059522807598114, acc = 0.8955078125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.3019523620605469, acc = 0.896484375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.3170574903488159, acc = 0.88671875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.32465147972106934, acc = 0.8876953125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3221547603607178, acc = 0.9013671875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.36927902698516846, acc = 0.8818359375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.3142932057380676, acc = 0.8974609375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.31077998876571655, acc = 0.8916015625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.33550551533699036, acc = 0.892578125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.30728965997695923, acc = 0.904296875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.36266136169433594, acc = 0.875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.2980034649372101, acc = 0.8994140625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.319409042596817, acc = 0.892578125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.32109811902046204, acc = 0.8837890625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.2952447235584259, acc = 0.90625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.3137196898460388, acc = 0.88671875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.30744901299476624, acc = 0.88671875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.33447515964508057, acc = 0.888671875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.3477550446987152, acc = 0.8916015625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.34276676177978516, acc = 0.880859375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.30910879373550415, acc = 0.8974609375

Epoch 78/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.45720183849334717, acc = 0.859375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.34938177466392517, acc = 0.8837890625
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.30847078561782837, acc = 0.8876953125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.29953843355178833, acc = 0.9052734375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.34157952666282654, acc = 0.8935546875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.3142584264278412, acc = 0.892578125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.2967696189880371, acc = 0.9033203125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.34708812832832336, acc = 0.8896484375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.3105121850967407, acc = 0.90234375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.2661096751689911, acc = 0.9130859375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.3491901159286499, acc = 0.8837890625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.340573251247406, acc = 0.8876953125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.30405402183532715, acc = 0.9013671875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.29820895195007324, acc = 0.8994140625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.3275068700313568, acc = 0.8857421875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.3270612955093384, acc = 0.8896484375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.32572996616363525, acc = 0.890625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.36891111731529236, acc = 0.8798828125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.33003875613212585, acc = 0.8935546875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.32821962237358093, acc = 0.8857421875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.34439748525619507, acc = 0.8876953125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.3318746089935303, acc = 0.892578125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.36797934770584106, acc = 0.8759765625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.30296945571899414, acc = 0.9033203125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.2966240346431732, acc = 0.8984375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.30797892808914185, acc = 0.890625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.36184924840927124, acc = 0.880859375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.370440810918808, acc = 0.8798828125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.35263198614120483, acc = 0.8779296875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.33452901244163513, acc = 0.8876953125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.3287046551704407, acc = 0.8828125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.3722519278526306, acc = 0.8828125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.2946535348892212, acc = 0.9033203125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.38779211044311523, acc = 0.8740234375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.33247309923171997, acc = 0.888671875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.28134626150131226, acc = 0.9111328125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.2762593626976013, acc = 0.916015625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.3218122720718384, acc = 0.896484375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.3177397549152374, acc = 0.892578125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.3162706196308136, acc = 0.90234375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.31673142313957214, acc = 0.8916015625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.30091774463653564, acc = 0.8974609375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.3442660868167877, acc = 0.8818359375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.29748299717903137, acc = 0.9033203125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.2957354485988617, acc = 0.9013671875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.25452864170074463, acc = 0.9169921875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.3304443657398224, acc = 0.8955078125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.31239059567451477, acc = 0.8955078125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.276058554649353, acc = 0.90625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.25786879658699036, acc = 0.9150390625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.3164009153842926, acc = 0.8876953125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.3106781244277954, acc = 0.90234375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.33370667695999146, acc = 0.888671875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2756897807121277, acc = 0.8984375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.2866489291191101, acc = 0.9111328125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.3288486897945404, acc = 0.880859375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.36140793561935425, acc = 0.8681640625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.35104498267173767, acc = 0.87109375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.24718499183654785, acc = 0.916015625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.2988829016685486, acc = 0.9033203125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.29892614483833313, acc = 0.9072265625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.33725348114967346, acc = 0.8876953125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.2969835698604584, acc = 0.904296875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2777974605560303, acc = 0.90625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.29342854022979736, acc = 0.9033203125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.2939976453781128, acc = 0.8994140625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.30514413118362427, acc = 0.892578125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.33545541763305664, acc = 0.8837890625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.2977922260761261, acc = 0.9033203125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.3490796983242035, acc = 0.8759765625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.33481013774871826, acc = 0.888671875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.2893645763397217, acc = 0.9072265625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.3311164975166321, acc = 0.8984375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.3390061855316162, acc = 0.8798828125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.342886745929718, acc = 0.8779296875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.3439863622188568, acc = 0.873046875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3267471194267273, acc = 0.8935546875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.32475295662879944, acc = 0.8974609375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.2970043420791626, acc = 0.8916015625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.29051896929740906, acc = 0.8994140625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.3495948612689972, acc = 0.8779296875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.313011109828949, acc = 0.88671875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.271176815032959, acc = 0.9072265625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.3225310742855072, acc = 0.8935546875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.34047606587409973, acc = 0.8828125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3009515404701233, acc = 0.8896484375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.3169695734977722, acc = 0.9013671875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.3362138271331787, acc = 0.89453125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.282675564289093, acc = 0.90625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.3038181662559509, acc = 0.892578125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.33597055077552795, acc = 0.890625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.304106742143631, acc = 0.8994140625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.29167136549949646, acc = 0.8994140625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.3310527205467224, acc = 0.89453125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.29410597681999207, acc = 0.89453125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.34551918506622314, acc = 0.8818359375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.2991737723350525, acc = 0.900390625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.3121623992919922, acc = 0.8916015625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.3515053391456604, acc = 0.87890625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.30638086795806885, acc = 0.8828125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.32365044951438904, acc = 0.900390625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.30759885907173157, acc = 0.8935546875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.32604077458381653, acc = 0.8935546875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.2702723741531372, acc = 0.9091796875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.2777795195579529, acc = 0.9169921875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.31776028871536255, acc = 0.8955078125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.31340327858924866, acc = 0.8896484375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.3219532072544098, acc = 0.8837890625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.3266368806362152, acc = 0.890625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3082594573497772, acc = 0.90625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.3412061631679535, acc = 0.8740234375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.3237679898738861, acc = 0.89453125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.31168296933174133, acc = 0.8974609375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.3214724361896515, acc = 0.892578125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.3241216540336609, acc = 0.892578125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.3518863320350647, acc = 0.8818359375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.29917505383491516, acc = 0.9033203125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.3003048598766327, acc = 0.8994140625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.3086400330066681, acc = 0.896484375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.2761242985725403, acc = 0.90625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.31798794865608215, acc = 0.8935546875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.28805094957351685, acc = 0.9033203125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.3234310746192932, acc = 0.8935546875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.34412533044815063, acc = 0.888671875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.35083699226379395, acc = 0.88671875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.3121143877506256, acc = 0.8935546875

Epoch 79/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.42384400963783264, acc = 0.8720703125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.396900475025177, acc = 0.8583984375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.3251541554927826, acc = 0.8876953125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.3106154799461365, acc = 0.8994140625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.3174291253089905, acc = 0.8994140625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.35088446736335754, acc = 0.873046875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.32814911007881165, acc = 0.8876953125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.33630359172821045, acc = 0.890625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.3422591984272003, acc = 0.8818359375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.2804839015007019, acc = 0.90234375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.37388524413108826, acc = 0.869140625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.32453086972236633, acc = 0.9052734375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.29862266778945923, acc = 0.9013671875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.3438308835029602, acc = 0.8876953125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.33349889516830444, acc = 0.8896484375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.3725675344467163, acc = 0.869140625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.31042343378067017, acc = 0.8974609375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.3212989270687103, acc = 0.892578125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.3326331675052643, acc = 0.8857421875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.3165770471096039, acc = 0.8955078125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.3269413113594055, acc = 0.89453125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.30926281213760376, acc = 0.8974609375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.3257202208042145, acc = 0.892578125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.29960083961486816, acc = 0.896484375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.30415764451026917, acc = 0.900390625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.3154120147228241, acc = 0.8818359375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.3505963087081909, acc = 0.880859375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.3303380012512207, acc = 0.8779296875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.3371133804321289, acc = 0.8857421875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.31898245215415955, acc = 0.9033203125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.31458401679992676, acc = 0.89453125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.35510674118995667, acc = 0.880859375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.30066636204719543, acc = 0.900390625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.33888477087020874, acc = 0.88671875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.3582443296909332, acc = 0.8798828125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.2782166302204132, acc = 0.908203125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.25763237476348877, acc = 0.9228515625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.3202729821205139, acc = 0.89453125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.2988513112068176, acc = 0.8984375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.2979002594947815, acc = 0.9111328125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.318835586309433, acc = 0.890625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.31431078910827637, acc = 0.8974609375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.3566250205039978, acc = 0.8828125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.30272790789604187, acc = 0.900390625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.2766246795654297, acc = 0.90234375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.2773357331752777, acc = 0.904296875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.35349956154823303, acc = 0.884765625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.2992795407772064, acc = 0.8994140625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.29816383123397827, acc = 0.9072265625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.2739349603652954, acc = 0.9150390625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.2986518144607544, acc = 0.900390625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.33380433917045593, acc = 0.869140625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.31933316588401794, acc = 0.8876953125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2454877495765686, acc = 0.9248046875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.3010328710079193, acc = 0.90625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.3329075276851654, acc = 0.88671875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.3473925292491913, acc = 0.8779296875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.3249926269054413, acc = 0.88671875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2676759362220764, acc = 0.9072265625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.29906782507896423, acc = 0.9033203125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.2795754671096802, acc = 0.9013671875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.36386236548423767, acc = 0.8720703125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.29851844906806946, acc = 0.8955078125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.30726611614227295, acc = 0.8916015625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.3173595070838928, acc = 0.896484375
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.2842082977294922, acc = 0.9013671875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.3019852042198181, acc = 0.9033203125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.3206217586994171, acc = 0.890625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.2765803635120392, acc = 0.908203125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.34471121430397034, acc = 0.8857421875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.3040452301502228, acc = 0.89453125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.2799851894378662, acc = 0.91015625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.3651413321495056, acc = 0.8798828125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.36002621054649353, acc = 0.87890625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.36727070808410645, acc = 0.8740234375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.34556207060813904, acc = 0.8828125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3158937394618988, acc = 0.900390625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.34160175919532776, acc = 0.8759765625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.3336395025253296, acc = 0.8828125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.3265165090560913, acc = 0.8876953125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.328289270401001, acc = 0.8876953125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.31183236837387085, acc = 0.8876953125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.28398019075393677, acc = 0.9072265625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.3085319697856903, acc = 0.8984375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.3591601550579071, acc = 0.8779296875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.30087170004844666, acc = 0.896484375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.32568949460983276, acc = 0.8896484375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.3354146182537079, acc = 0.8837890625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.24794204533100128, acc = 0.921875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.2983691990375519, acc = 0.8984375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.3242892622947693, acc = 0.884765625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.2946131229400635, acc = 0.8974609375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.2830403447151184, acc = 0.900390625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.29158443212509155, acc = 0.8984375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.31105223298072815, acc = 0.8955078125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.32623693346977234, acc = 0.8798828125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.30858004093170166, acc = 0.8984375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.3011596202850342, acc = 0.904296875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.3418866991996765, acc = 0.880859375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.3394693434238434, acc = 0.873046875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.3151128888130188, acc = 0.90234375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.32451891899108887, acc = 0.8876953125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.34796470403671265, acc = 0.8876953125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.2789471745491028, acc = 0.90234375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.285514235496521, acc = 0.908203125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.29743972420692444, acc = 0.9013671875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.28480201959609985, acc = 0.90234375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.2893506586551666, acc = 0.9052734375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.2968382239341736, acc = 0.8955078125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.29480913281440735, acc = 0.91015625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.32805415987968445, acc = 0.8916015625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.3229377567768097, acc = 0.900390625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.3208097815513611, acc = 0.888671875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.3215693533420563, acc = 0.91015625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.3345033526420593, acc = 0.8828125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.3324269652366638, acc = 0.892578125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.3038281798362732, acc = 0.9052734375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.29651835560798645, acc = 0.90234375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.3047671318054199, acc = 0.904296875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.267421692609787, acc = 0.9052734375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.3364969491958618, acc = 0.89453125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.27034950256347656, acc = 0.9130859375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.29411420226097107, acc = 0.908203125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.3341950476169586, acc = 0.8876953125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.3241451680660248, acc = 0.896484375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.3053286075592041, acc = 0.89453125

Epoch 80/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.41138404607772827, acc = 0.87109375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.3113616406917572, acc = 0.8974609375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.3162789046764374, acc = 0.8935546875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.3444821238517761, acc = 0.890625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.3188836872577667, acc = 0.888671875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.3319941759109497, acc = 0.896484375
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.3239811062812805, acc = 0.890625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.3622037172317505, acc = 0.87890625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.32572710514068604, acc = 0.8896484375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.2578010857105255, acc = 0.9150390625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.345089316368103, acc = 0.8779296875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.28696826100349426, acc = 0.9130859375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.28926488757133484, acc = 0.90625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.3066439926624298, acc = 0.890625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.3069099187850952, acc = 0.8984375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.30932366847991943, acc = 0.8935546875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.31775417923927307, acc = 0.8974609375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.3098934590816498, acc = 0.8955078125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.29121455550193787, acc = 0.8974609375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.3300195634365082, acc = 0.8818359375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.34970641136169434, acc = 0.8779296875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.3440111577510834, acc = 0.8896484375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.33303123712539673, acc = 0.890625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.3025752604007721, acc = 0.88671875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.28155794739723206, acc = 0.9140625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.30021947622299194, acc = 0.88671875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.33862873911857605, acc = 0.8837890625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.34703749418258667, acc = 0.876953125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.3178638815879822, acc = 0.8896484375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.2942548096179962, acc = 0.8994140625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.32017967104911804, acc = 0.896484375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.35269156098365784, acc = 0.8759765625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.26361873745918274, acc = 0.9033203125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.3459942936897278, acc = 0.8818359375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.3374749422073364, acc = 0.876953125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.29028913378715515, acc = 0.900390625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.25513580441474915, acc = 0.912109375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.3348059356212616, acc = 0.888671875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.2776069939136505, acc = 0.912109375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.299847811460495, acc = 0.8994140625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.2841302752494812, acc = 0.9052734375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.3161020874977112, acc = 0.900390625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.35642001032829285, acc = 0.880859375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.28583067655563354, acc = 0.9033203125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.2909975051879883, acc = 0.900390625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.29153507947921753, acc = 0.904296875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.3183218240737915, acc = 0.8974609375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.29056316614151, acc = 0.900390625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.27341723442077637, acc = 0.90234375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.27878227829933167, acc = 0.916015625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.3204265534877777, acc = 0.8994140625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.35309961438179016, acc = 0.88671875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.3021440804004669, acc = 0.8916015625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.24860042333602905, acc = 0.9111328125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.2879243791103363, acc = 0.900390625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.3220844864845276, acc = 0.8935546875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.3507990539073944, acc = 0.875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.33108416199684143, acc = 0.8876953125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2641358971595764, acc = 0.904296875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.29097142815589905, acc = 0.9013671875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.26189306378364563, acc = 0.9091796875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.35649415850639343, acc = 0.880859375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.29807814955711365, acc = 0.896484375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2631054222583771, acc = 0.9150390625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.3359925150871277, acc = 0.876953125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.29905882477760315, acc = 0.888671875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.3003288209438324, acc = 0.8935546875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.29032132029533386, acc = 0.8974609375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.25689461827278137, acc = 0.9072265625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.32772016525268555, acc = 0.8916015625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.31878963112831116, acc = 0.8837890625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.30300623178482056, acc = 0.8974609375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.3102855682373047, acc = 0.8974609375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.31927695870399475, acc = 0.8857421875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.3584733009338379, acc = 0.8779296875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.3707455098628998, acc = 0.8701171875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3097805976867676, acc = 0.8857421875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.3137394189834595, acc = 0.9033203125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.29521164298057556, acc = 0.9013671875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.2859959602355957, acc = 0.9033203125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.30291077494621277, acc = 0.9013671875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.28495466709136963, acc = 0.90625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.29215702414512634, acc = 0.8984375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.3129940629005432, acc = 0.888671875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.3070605397224426, acc = 0.890625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.293951153755188, acc = 0.900390625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.322715163230896, acc = 0.8916015625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.33480337262153625, acc = 0.888671875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.3038363456726074, acc = 0.880859375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.2986968755722046, acc = 0.90625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.32351067662239075, acc = 0.8935546875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.29986879229545593, acc = 0.9033203125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.2511669397354126, acc = 0.9169921875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.3003940284252167, acc = 0.89453125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.2851325571537018, acc = 0.9013671875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.34364378452301025, acc = 0.8837890625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.3437129259109497, acc = 0.8857421875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.26298636198043823, acc = 0.904296875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.3610333800315857, acc = 0.873046875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.31220918893814087, acc = 0.896484375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.3003201484680176, acc = 0.896484375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.3297685980796814, acc = 0.8740234375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.30566075444221497, acc = 0.9033203125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.28331053256988525, acc = 0.90625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.2778850793838501, acc = 0.9111328125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.27418529987335205, acc = 0.9111328125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.28690430521965027, acc = 0.900390625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.30785930156707764, acc = 0.900390625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.30636003613471985, acc = 0.8974609375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.29041624069213867, acc = 0.904296875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.36213982105255127, acc = 0.87890625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.3025414049625397, acc = 0.90234375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.28662851452827454, acc = 0.90234375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.3229592740535736, acc = 0.8876953125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.315915584564209, acc = 0.8916015625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.3181051015853882, acc = 0.8837890625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.29789984226226807, acc = 0.9052734375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.28842395544052124, acc = 0.9013671875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.30031558871269226, acc = 0.900390625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.26282766461372375, acc = 0.9072265625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.30264613032341003, acc = 0.89453125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.29489752650260925, acc = 0.900390625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.3123477101325989, acc = 0.892578125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.3450244069099426, acc = 0.8974609375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.3327237367630005, acc = 0.8896484375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.3251565098762512, acc = 0.888671875
Saved checkpoint to weights.80.h5

Epoch 81/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.3928994834423065, acc = 0.875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.3290606737136841, acc = 0.8828125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.2937922179698944, acc = 0.908203125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.3160499632358551, acc = 0.892578125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.3681661784648895, acc = 0.873046875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.33252209424972534, acc = 0.8876953125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.29276737570762634, acc = 0.9052734375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.35248005390167236, acc = 0.884765625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.3370911478996277, acc = 0.890625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.2678566575050354, acc = 0.9248046875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.3038332760334015, acc = 0.8984375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.29951012134552, acc = 0.8994140625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.2960090637207031, acc = 0.9013671875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.3375897705554962, acc = 0.8818359375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.28944382071495056, acc = 0.9052734375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.32011550664901733, acc = 0.8818359375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.3363508880138397, acc = 0.8876953125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.3446556031703949, acc = 0.890625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.3242473900318146, acc = 0.8984375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.3113558888435364, acc = 0.896484375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.3457936942577362, acc = 0.8935546875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.3139455318450928, acc = 0.888671875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.3443835377693176, acc = 0.876953125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.3064742386341095, acc = 0.900390625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.3298490047454834, acc = 0.890625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.2945761978626251, acc = 0.9091796875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.361227810382843, acc = 0.8798828125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.34357166290283203, acc = 0.8857421875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.3370232880115509, acc = 0.8876953125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.3294082283973694, acc = 0.8955078125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.3156454265117645, acc = 0.89453125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.345935195684433, acc = 0.8759765625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.28580233454704285, acc = 0.8984375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.36922693252563477, acc = 0.8681640625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.3604726195335388, acc = 0.8740234375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.27989649772644043, acc = 0.904296875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.29925912618637085, acc = 0.8994140625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.30872777104377747, acc = 0.8984375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.31183457374572754, acc = 0.8984375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.3015260696411133, acc = 0.9130859375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.3084658086299896, acc = 0.890625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.2971012592315674, acc = 0.8994140625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.32198238372802734, acc = 0.8837890625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.2841007709503174, acc = 0.90234375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.25784212350845337, acc = 0.9072265625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.25900039076805115, acc = 0.904296875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.28625553846359253, acc = 0.9052734375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.3003661632537842, acc = 0.896484375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.2774350643157959, acc = 0.8994140625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.2768809497356415, acc = 0.9169921875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.3190663456916809, acc = 0.8935546875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.3096429407596588, acc = 0.892578125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.32534652948379517, acc = 0.888671875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2246885746717453, acc = 0.92578125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.295227587223053, acc = 0.8974609375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.3338617980480194, acc = 0.8916015625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.33864879608154297, acc = 0.896484375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.33200839161872864, acc = 0.8857421875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.24532431364059448, acc = 0.916015625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.30632129311561584, acc = 0.90234375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.29349762201309204, acc = 0.8984375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.3483949601650238, acc = 0.8837890625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.27286937832832336, acc = 0.9052734375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2644907534122467, acc = 0.908203125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.32441285252571106, acc = 0.884765625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.30860793590545654, acc = 0.9013671875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.2870231866836548, acc = 0.908203125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.3254735767841339, acc = 0.890625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.29915881156921387, acc = 0.89453125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.3331257104873657, acc = 0.89453125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.2993566691875458, acc = 0.890625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.2662155032157898, acc = 0.9091796875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.3386816382408142, acc = 0.8916015625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.335345596075058, acc = 0.890625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.39261046051979065, acc = 0.8671875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.3437943756580353, acc = 0.87890625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3259919285774231, acc = 0.8876953125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.3264402151107788, acc = 0.8896484375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.30377358198165894, acc = 0.8994140625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.2934762239456177, acc = 0.89453125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.32173067331314087, acc = 0.87890625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.2928074896335602, acc = 0.9052734375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.25729113817214966, acc = 0.908203125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.3217650055885315, acc = 0.8935546875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.3609960973262787, acc = 0.87890625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.30007246136665344, acc = 0.90625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.3172297775745392, acc = 0.8955078125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.34199705719947815, acc = 0.8857421875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.27697452902793884, acc = 0.90625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.2927134931087494, acc = 0.900390625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.33124086260795593, acc = 0.88671875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.27751991152763367, acc = 0.904296875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.27745720744132996, acc = 0.9013671875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.30458641052246094, acc = 0.8955078125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.27795565128326416, acc = 0.892578125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.307885080575943, acc = 0.8994140625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.297552227973938, acc = 0.8955078125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.30290713906288147, acc = 0.8994140625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.3098343014717102, acc = 0.8935546875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.31719231605529785, acc = 0.888671875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.32588738203048706, acc = 0.890625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.32857534289360046, acc = 0.8896484375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.3263547122478485, acc = 0.8994140625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.27440816164016724, acc = 0.908203125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.24082806706428528, acc = 0.91796875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.27402982115745544, acc = 0.90625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.26940420269966125, acc = 0.90625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.33525341749191284, acc = 0.896484375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.3634950816631317, acc = 0.8681640625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3321300148963928, acc = 0.8916015625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.33389437198638916, acc = 0.888671875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.32797127962112427, acc = 0.8896484375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.2976537048816681, acc = 0.8955078125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.31713947653770447, acc = 0.892578125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.29028305411338806, acc = 0.8974609375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.35602307319641113, acc = 0.8720703125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.26722201704978943, acc = 0.9091796875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.30882763862609863, acc = 0.8935546875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.32139188051223755, acc = 0.892578125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.28296661376953125, acc = 0.8984375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.3292304277420044, acc = 0.8896484375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.2654033899307251, acc = 0.9033203125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.2929328680038452, acc = 0.8974609375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.36595362424850464, acc = 0.8759765625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.33128076791763306, acc = 0.87890625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.3162827789783478, acc = 0.89453125

Epoch 82/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.39041608572006226, acc = 0.8837890625
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.36798346042633057, acc = 0.873046875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.307403028011322, acc = 0.8955078125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.3218604028224945, acc = 0.896484375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.3142426311969757, acc = 0.8916015625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.3230289816856384, acc = 0.8837890625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.3056783676147461, acc = 0.892578125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.35640567541122437, acc = 0.8828125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.3251393735408783, acc = 0.8935546875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.26866427063941956, acc = 0.912109375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.30620431900024414, acc = 0.892578125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.3197682797908783, acc = 0.8857421875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.27292492985725403, acc = 0.9130859375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.28836554288864136, acc = 0.9140625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.28073936700820923, acc = 0.904296875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.32336536049842834, acc = 0.8916015625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.2958694398403168, acc = 0.9033203125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.28441160917282104, acc = 0.8984375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.28317224979400635, acc = 0.8984375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.33942246437072754, acc = 0.884765625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.3049096465110779, acc = 0.90234375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.30757588148117065, acc = 0.8974609375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.3396031856536865, acc = 0.8896484375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.29591676592826843, acc = 0.9013671875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.2960156798362732, acc = 0.904296875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.2847132086753845, acc = 0.9033203125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.35396555066108704, acc = 0.8720703125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.3236146569252014, acc = 0.8837890625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.33813148736953735, acc = 0.88671875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.2935367524623871, acc = 0.900390625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.3213030993938446, acc = 0.892578125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.3300970494747162, acc = 0.8876953125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.2913833558559418, acc = 0.9013671875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.3226257562637329, acc = 0.896484375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.315673828125, acc = 0.8876953125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.25378698110580444, acc = 0.912109375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.2649756073951721, acc = 0.9072265625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.3122496008872986, acc = 0.8916015625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.28405293822288513, acc = 0.9140625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.29203373193740845, acc = 0.9013671875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.2708083391189575, acc = 0.9091796875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.28920990228652954, acc = 0.900390625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.33734485507011414, acc = 0.8916015625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.27490147948265076, acc = 0.91015625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.27125298976898193, acc = 0.9033203125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.2515474557876587, acc = 0.919921875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.29787981510162354, acc = 0.9091796875
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.2828872501850128, acc = 0.90625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.2892763018608093, acc = 0.90625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.26116687059402466, acc = 0.90234375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.3125603199005127, acc = 0.8876953125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.3246184289455414, acc = 0.8759765625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.2519891560077667, acc = 0.9130859375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2520301938056946, acc = 0.9150390625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.29435327649116516, acc = 0.8955078125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.26912346482276917, acc = 0.904296875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.3189283013343811, acc = 0.8955078125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.3474571704864502, acc = 0.884765625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2309979945421219, acc = 0.9267578125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.2901650667190552, acc = 0.91015625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.2774946689605713, acc = 0.904296875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.3388681411743164, acc = 0.880859375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.27598249912261963, acc = 0.9169921875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2852477729320526, acc = 0.892578125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.28345608711242676, acc = 0.9033203125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.29552528262138367, acc = 0.8994140625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.31297245621681213, acc = 0.89453125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.27659156918525696, acc = 0.9091796875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.27173033356666565, acc = 0.9169921875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.3154412508010864, acc = 0.892578125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.29691964387893677, acc = 0.88671875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.2798742949962616, acc = 0.908203125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.35829922556877136, acc = 0.8828125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.33479607105255127, acc = 0.884765625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.35819777846336365, acc = 0.8779296875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.3310278058052063, acc = 0.8857421875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3105400502681732, acc = 0.900390625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.31662246584892273, acc = 0.896484375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.2665037214756012, acc = 0.9033203125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.29961684346199036, acc = 0.8974609375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.31897976994514465, acc = 0.896484375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.2990311086177826, acc = 0.89453125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.2841171324253082, acc = 0.9052734375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.29743295907974243, acc = 0.8984375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.3359045684337616, acc = 0.880859375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3016076385974884, acc = 0.8955078125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.3119993507862091, acc = 0.8984375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.346906453371048, acc = 0.88671875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.2971794307231903, acc = 0.900390625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.3090917468070984, acc = 0.900390625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.3229515552520752, acc = 0.8857421875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.2669220566749573, acc = 0.9111328125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.27115559577941895, acc = 0.908203125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.31265366077423096, acc = 0.88671875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.2611953020095825, acc = 0.921875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.31530725955963135, acc = 0.89453125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.32514506578445435, acc = 0.896484375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.2653290331363678, acc = 0.91015625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.3216717541217804, acc = 0.884765625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.2951790690422058, acc = 0.89453125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.3350217640399933, acc = 0.8837890625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.32358574867248535, acc = 0.8837890625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.318020224571228, acc = 0.892578125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.26494890451431274, acc = 0.91015625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.24963338673114777, acc = 0.916015625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.26937776803970337, acc = 0.908203125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.2713775634765625, acc = 0.9091796875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.2925398647785187, acc = 0.8994140625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.30060380697250366, acc = 0.8955078125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.2941805124282837, acc = 0.908203125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.34228524565696716, acc = 0.8837890625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.34052717685699463, acc = 0.900390625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.3027339279651642, acc = 0.8935546875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.30686551332473755, acc = 0.8935546875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.3004104793071747, acc = 0.8984375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.28724825382232666, acc = 0.9033203125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.3118404448032379, acc = 0.8935546875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.29523465037345886, acc = 0.9072265625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.29832884669303894, acc = 0.9072265625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.27060455083847046, acc = 0.90625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.30869829654693604, acc = 0.8896484375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.30011773109436035, acc = 0.9013671875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.303250253200531, acc = 0.896484375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.3101697266101837, acc = 0.8955078125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.3065931797027588, acc = 0.8935546875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.3307671546936035, acc = 0.8876953125

Epoch 83/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.4280463755130768, acc = 0.8662109375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.32478946447372437, acc = 0.8759765625
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.293112188577652, acc = 0.9130859375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.30411553382873535, acc = 0.896484375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.3173145055770874, acc = 0.8857421875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.3137825131416321, acc = 0.8916015625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.27483931183815, acc = 0.9130859375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.33372294902801514, acc = 0.8779296875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.33601078391075134, acc = 0.8759765625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.2629547715187073, acc = 0.9091796875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.32689887285232544, acc = 0.8876953125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.2953985035419464, acc = 0.8984375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.2610647678375244, acc = 0.9052734375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.3011268079280853, acc = 0.900390625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.28748819231987, acc = 0.89453125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.29536473751068115, acc = 0.890625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.3016643226146698, acc = 0.8994140625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.30239301919937134, acc = 0.8974609375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.2905957102775574, acc = 0.91015625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.31388941407203674, acc = 0.8974609375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.3389531970024109, acc = 0.8876953125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.31978416442871094, acc = 0.8896484375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.3240618109703064, acc = 0.8837890625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.3038184642791748, acc = 0.88671875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.3107982277870178, acc = 0.8994140625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.3216429650783539, acc = 0.890625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.35894644260406494, acc = 0.876953125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.32651054859161377, acc = 0.890625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.32066476345062256, acc = 0.890625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.2843495011329651, acc = 0.9013671875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.3141326904296875, acc = 0.8857421875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.3174937665462494, acc = 0.8828125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.2957722544670105, acc = 0.8984375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.3367638885974884, acc = 0.8837890625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.3548330068588257, acc = 0.8798828125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.2798086702823639, acc = 0.9111328125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.2768239974975586, acc = 0.912109375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.30052345991134644, acc = 0.8916015625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.29294583201408386, acc = 0.908203125
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.30330657958984375, acc = 0.9013671875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.3033618927001953, acc = 0.884765625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.2709634304046631, acc = 0.9033203125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.37424567341804504, acc = 0.87890625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.2773205041885376, acc = 0.904296875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.3021512031555176, acc = 0.8994140625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.25398850440979004, acc = 0.9208984375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.28945237398147583, acc = 0.9052734375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.28429076075553894, acc = 0.91015625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.2969566881656647, acc = 0.896484375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.263584166765213, acc = 0.9013671875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.2853637933731079, acc = 0.9091796875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.3098248243331909, acc = 0.8984375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.2700614929199219, acc = 0.9111328125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2562103271484375, acc = 0.9150390625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.28946614265441895, acc = 0.896484375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.2897305190563202, acc = 0.9013671875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.3261229395866394, acc = 0.8857421875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.3159516453742981, acc = 0.890625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.23792928457260132, acc = 0.9208984375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.26273268461227417, acc = 0.90625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.250986248254776, acc = 0.919921875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.33183813095092773, acc = 0.87890625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.2963804006576538, acc = 0.90234375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2684723138809204, acc = 0.90234375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.2988133728504181, acc = 0.8974609375
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.26812782883644104, acc = 0.90234375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.28823795914649963, acc = 0.9052734375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.28195154666900635, acc = 0.9091796875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.2740214765071869, acc = 0.9091796875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.29914093017578125, acc = 0.888671875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.29316258430480957, acc = 0.892578125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.27509453892707825, acc = 0.9130859375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.3252238631248474, acc = 0.8857421875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.310738205909729, acc = 0.8916015625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.3387314975261688, acc = 0.8916015625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.36956557631492615, acc = 0.8759765625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.3021143078804016, acc = 0.8935546875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.2954767346382141, acc = 0.90234375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.28928038477897644, acc = 0.8984375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.2792056202888489, acc = 0.90234375
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.2826204001903534, acc = 0.8984375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.3015288710594177, acc = 0.8935546875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.30691468715667725, acc = 0.8876953125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.30460721254348755, acc = 0.89453125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.30977869033813477, acc = 0.8916015625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.3182472288608551, acc = 0.9091796875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.32591310143470764, acc = 0.8974609375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.3116978704929352, acc = 0.884765625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.3051519989967346, acc = 0.9013671875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.2938883602619171, acc = 0.8955078125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.3035586178302765, acc = 0.9013671875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.2895088195800781, acc = 0.916015625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.24509437382221222, acc = 0.91015625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.28523850440979004, acc = 0.912109375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.2574300467967987, acc = 0.9091796875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.30205249786376953, acc = 0.8935546875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.2977170944213867, acc = 0.9033203125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.27373093366622925, acc = 0.908203125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.3013325035572052, acc = 0.8896484375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.29551786184310913, acc = 0.8896484375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.2779916226863861, acc = 0.908203125
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.303244411945343, acc = 0.8935546875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.3086053133010864, acc = 0.8974609375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.272428959608078, acc = 0.8984375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.2807060480117798, acc = 0.9140625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.28405067324638367, acc = 0.9033203125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.26275259256362915, acc = 0.9072265625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.2793996334075928, acc = 0.9140625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.28316786885261536, acc = 0.9033203125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.29652225971221924, acc = 0.90234375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.2987953722476959, acc = 0.8955078125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.3201613426208496, acc = 0.90234375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.31097128987312317, acc = 0.8994140625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.3403933048248291, acc = 0.88671875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.305807501077652, acc = 0.88671875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.2895945906639099, acc = 0.8896484375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.26561805605888367, acc = 0.90625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.2807691693305969, acc = 0.904296875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.3077916204929352, acc = 0.8984375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.2419799566268921, acc = 0.9169921875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.3169551193714142, acc = 0.8994140625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.26389867067337036, acc = 0.90625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.2847680449485779, acc = 0.9111328125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.2892908453941345, acc = 0.8974609375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.31918323040008545, acc = 0.890625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.3016509711742401, acc = 0.9052734375

Epoch 84/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.39601293206214905, acc = 0.87109375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.3374590277671814, acc = 0.880859375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.30785590410232544, acc = 0.8935546875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.3237221837043762, acc = 0.896484375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.3013431131839752, acc = 0.904296875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.30680209398269653, acc = 0.890625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.27050137519836426, acc = 0.908203125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.30716922879219055, acc = 0.900390625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.3226129114627838, acc = 0.9013671875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.305821031332016, acc = 0.8955078125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.32109254598617554, acc = 0.890625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.3108080327510834, acc = 0.90234375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.27443236112594604, acc = 0.9111328125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.3009253144264221, acc = 0.90234375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.2766913175582886, acc = 0.9052734375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.29471728205680847, acc = 0.904296875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.26873600482940674, acc = 0.90625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.29955029487609863, acc = 0.89453125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.27880820631980896, acc = 0.91796875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.31795284152030945, acc = 0.89453125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.3092603087425232, acc = 0.896484375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.2989597022533417, acc = 0.89453125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.3216193914413452, acc = 0.8876953125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.27919667959213257, acc = 0.9033203125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.31811779737472534, acc = 0.9072265625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.308693528175354, acc = 0.9013671875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.3858259618282318, acc = 0.8798828125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.32803112268447876, acc = 0.888671875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.32213515043258667, acc = 0.8876953125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.29371052980422974, acc = 0.90625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.33537986874580383, acc = 0.892578125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.3509698212146759, acc = 0.880859375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.2846200466156006, acc = 0.90234375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.3118562400341034, acc = 0.89453125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.3075510859489441, acc = 0.8984375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.2520168423652649, acc = 0.916015625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.2652861177921295, acc = 0.91015625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.26729193329811096, acc = 0.90625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.28036195039749146, acc = 0.9091796875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.2973448634147644, acc = 0.90234375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.30184274911880493, acc = 0.90234375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.3001853823661804, acc = 0.8916015625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.3120223879814148, acc = 0.892578125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.2639788091182709, acc = 0.9189453125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.2756131887435913, acc = 0.912109375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.2631237804889679, acc = 0.912109375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.26393142342567444, acc = 0.9150390625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.27459603548049927, acc = 0.9130859375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.2745046019554138, acc = 0.904296875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.28023555874824524, acc = 0.8876953125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.30746346712112427, acc = 0.8916015625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.3008604347705841, acc = 0.904296875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.2789349853992462, acc = 0.9072265625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.23067733645439148, acc = 0.9150390625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.27631446719169617, acc = 0.912109375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.30390939116477966, acc = 0.8984375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.34980157017707825, acc = 0.880859375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.29089128971099854, acc = 0.896484375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2601296901702881, acc = 0.91796875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.28454697132110596, acc = 0.9013671875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.2643774449825287, acc = 0.9111328125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.3102799952030182, acc = 0.900390625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.27521181106567383, acc = 0.90234375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.23708534240722656, acc = 0.92578125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.28880125284194946, acc = 0.904296875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.2689364552497864, acc = 0.9072265625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.2908107340335846, acc = 0.8974609375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.30975672602653503, acc = 0.890625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.2735532224178314, acc = 0.904296875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.29505446553230286, acc = 0.9072265625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.2870038151741028, acc = 0.9052734375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.25995469093322754, acc = 0.9052734375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.2839139401912689, acc = 0.900390625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.3302474915981293, acc = 0.8740234375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.32588064670562744, acc = 0.8984375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.33459562063217163, acc = 0.8779296875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.2701544463634491, acc = 0.9130859375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.31414538621902466, acc = 0.8837890625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.28354594111442566, acc = 0.8935546875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.27714303135871887, acc = 0.9072265625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.2996762990951538, acc = 0.908203125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.28095191717147827, acc = 0.9130859375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.3097962737083435, acc = 0.8896484375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.2841891348361969, acc = 0.904296875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.30297112464904785, acc = 0.900390625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.28902125358581543, acc = 0.90234375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.30545076727867126, acc = 0.900390625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.29187673330307007, acc = 0.8974609375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.26394522190093994, acc = 0.9052734375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.26976829767227173, acc = 0.9013671875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.28998327255249023, acc = 0.8955078125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.2944178581237793, acc = 0.8984375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.26316818594932556, acc = 0.9140625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.25738525390625, acc = 0.919921875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.2728606164455414, acc = 0.90234375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.2965841591358185, acc = 0.9091796875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.2878846526145935, acc = 0.8955078125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.3122914135456085, acc = 0.896484375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.29503098130226135, acc = 0.8974609375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.3269352912902832, acc = 0.8798828125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.32156628370285034, acc = 0.8857421875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.3201983571052551, acc = 0.8798828125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.3056703209877014, acc = 0.90234375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.25491854548454285, acc = 0.9208984375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.281535804271698, acc = 0.9111328125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.2780163884162903, acc = 0.908203125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.27965298295021057, acc = 0.9072265625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.3005148768424988, acc = 0.90625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.3083278238773346, acc = 0.890625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.27776283025741577, acc = 0.91015625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.32782110571861267, acc = 0.890625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.2845790982246399, acc = 0.8994140625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.2734220027923584, acc = 0.91015625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.32595181465148926, acc = 0.8935546875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.3345852792263031, acc = 0.8828125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.3258723318576813, acc = 0.88671875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.2881878614425659, acc = 0.9033203125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.29101061820983887, acc = 0.8984375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.30644384026527405, acc = 0.8994140625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.28208547830581665, acc = 0.91015625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.3101702034473419, acc = 0.8994140625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.2762903869152069, acc = 0.9052734375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.3206784427165985, acc = 0.8896484375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.32921725511550903, acc = 0.8857421875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.31722551584243774, acc = 0.89453125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.31270772218704224, acc = 0.8935546875

Epoch 85/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.4111863970756531, acc = 0.876953125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.33169594407081604, acc = 0.8779296875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.30282843112945557, acc = 0.8984375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.30588293075561523, acc = 0.9052734375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.2810758054256439, acc = 0.919921875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.3271462321281433, acc = 0.8994140625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.28708699345588684, acc = 0.9052734375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.3096708059310913, acc = 0.900390625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.33663347363471985, acc = 0.888671875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.2739983797073364, acc = 0.9140625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.350889652967453, acc = 0.87890625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.33114248514175415, acc = 0.888671875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.260930597782135, acc = 0.91015625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.32985246181488037, acc = 0.9013671875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.3049914836883545, acc = 0.8994140625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.2944718599319458, acc = 0.896484375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.2838214933872223, acc = 0.9052734375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.31495577096939087, acc = 0.8916015625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.30776694416999817, acc = 0.8935546875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.33913567662239075, acc = 0.8740234375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.326849102973938, acc = 0.8896484375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.29393619298934937, acc = 0.904296875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.32125237584114075, acc = 0.8720703125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.28937652707099915, acc = 0.8955078125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.28904077410697937, acc = 0.90625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.28366172313690186, acc = 0.90625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.3334428668022156, acc = 0.880859375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.3166433274745941, acc = 0.8916015625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.3131859004497528, acc = 0.8955078125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.3121985197067261, acc = 0.8974609375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.3180958032608032, acc = 0.8974609375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.3385692536830902, acc = 0.8828125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.26232489943504333, acc = 0.912109375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.31954002380371094, acc = 0.88671875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.3221626877784729, acc = 0.8916015625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.27923348546028137, acc = 0.91015625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.26608872413635254, acc = 0.90234375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.2924403250217438, acc = 0.9033203125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.2767889201641083, acc = 0.900390625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.28870850801467896, acc = 0.9052734375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.29402127861976624, acc = 0.90625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.27500057220458984, acc = 0.90234375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.33406975865364075, acc = 0.8896484375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.2644771337509155, acc = 0.908203125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.287334144115448, acc = 0.90625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.267267644405365, acc = 0.912109375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.2717193067073822, acc = 0.9140625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.26547035574913025, acc = 0.912109375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.27138611674308777, acc = 0.90625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.2825262248516083, acc = 0.9052734375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.31204235553741455, acc = 0.896484375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.28520113229751587, acc = 0.9091796875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.2630058825016022, acc = 0.9052734375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.26238101720809937, acc = 0.916015625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.29335638880729675, acc = 0.90234375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.3095765709877014, acc = 0.896484375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.34294456243515015, acc = 0.8896484375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.3564167618751526, acc = 0.88671875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2632363438606262, acc = 0.9130859375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.26565295457839966, acc = 0.9111328125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.2619934380054474, acc = 0.91015625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.31929874420166016, acc = 0.89453125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.27309146523475647, acc = 0.916015625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2637609839439392, acc = 0.908203125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.29338371753692627, acc = 0.89453125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.26991379261016846, acc = 0.9140625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.25481611490249634, acc = 0.9130859375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.2807307839393616, acc = 0.904296875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.2806341052055359, acc = 0.9033203125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.3140285611152649, acc = 0.8916015625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.3154682517051697, acc = 0.8896484375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.27262842655181885, acc = 0.908203125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.30294689536094666, acc = 0.89453125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.31940168142318726, acc = 0.8896484375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.3265411853790283, acc = 0.880859375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.30789726972579956, acc = 0.9013671875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.29832351207733154, acc = 0.8798828125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.29055631160736084, acc = 0.9052734375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.311917245388031, acc = 0.892578125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.30190688371658325, acc = 0.8935546875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.30310726165771484, acc = 0.900390625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.28277599811553955, acc = 0.9091796875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.30636951327323914, acc = 0.890625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.28082430362701416, acc = 0.890625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.3193225562572479, acc = 0.89453125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.2760563790798187, acc = 0.9033203125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.31639364361763, acc = 0.896484375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.29543349146842957, acc = 0.9091796875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.26138970255851746, acc = 0.916015625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.29902613162994385, acc = 0.9033203125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.2970517873764038, acc = 0.8984375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.27245545387268066, acc = 0.8994140625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.23773905634880066, acc = 0.9189453125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.2561148703098297, acc = 0.912109375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.2529466450214386, acc = 0.9091796875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.30459821224212646, acc = 0.896484375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.2872607409954071, acc = 0.9111328125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.3104514181613922, acc = 0.8974609375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.29438403248786926, acc = 0.8935546875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.312765896320343, acc = 0.8857421875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.2900109887123108, acc = 0.9052734375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.3339717388153076, acc = 0.89453125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.31233805418014526, acc = 0.90625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.2513299286365509, acc = 0.9111328125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.2746962010860443, acc = 0.916015625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.25363889336586, acc = 0.919921875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.28248316049575806, acc = 0.90625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.2970718741416931, acc = 0.896484375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.31913888454437256, acc = 0.89453125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.24345196783542633, acc = 0.9248046875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.3316118121147156, acc = 0.8876953125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.2773004174232483, acc = 0.904296875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.30262109637260437, acc = 0.8916015625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.28969821333885193, acc = 0.900390625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.3099636733531952, acc = 0.890625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.3354761004447937, acc = 0.8935546875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.3002118170261383, acc = 0.8955078125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.2909603416919708, acc = 0.9150390625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.26039963960647583, acc = 0.916015625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.25017595291137695, acc = 0.921875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.28206849098205566, acc = 0.9052734375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.2603971064090729, acc = 0.9189453125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.28258880972862244, acc = 0.8974609375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.325264036655426, acc = 0.892578125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.32130491733551025, acc = 0.888671875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.32852378487586975, acc = 0.8935546875

Epoch 86/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.37599027156829834, acc = 0.8818359375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.2985750734806061, acc = 0.8876953125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.29164189100265503, acc = 0.9013671875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.2857755422592163, acc = 0.9091796875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.3268674314022064, acc = 0.8984375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.270271360874176, acc = 0.8994140625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.2723925709724426, acc = 0.9091796875
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.3319028615951538, acc = 0.8974609375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.30684277415275574, acc = 0.9033203125
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.2698121964931488, acc = 0.8984375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.3188920319080353, acc = 0.88671875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.3125293254852295, acc = 0.8955078125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.2656213641166687, acc = 0.9052734375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.273484468460083, acc = 0.9091796875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.28972312808036804, acc = 0.9013671875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.28471213579177856, acc = 0.9013671875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.2681584060192108, acc = 0.908203125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.317497581243515, acc = 0.8916015625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.2987188398838043, acc = 0.892578125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.32846617698669434, acc = 0.900390625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.3657591938972473, acc = 0.87890625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.2961154282093048, acc = 0.9013671875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.31229299306869507, acc = 0.8857421875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.30330371856689453, acc = 0.8974609375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.27698206901550293, acc = 0.908203125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.2941912114620209, acc = 0.896484375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.32052358984947205, acc = 0.900390625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.34195849299430847, acc = 0.884765625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.3036431074142456, acc = 0.8955078125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.2941558063030243, acc = 0.9072265625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.30303454399108887, acc = 0.8974609375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.31432315707206726, acc = 0.892578125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.2703016698360443, acc = 0.9033203125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.3096581995487213, acc = 0.884765625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.31214579939842224, acc = 0.8935546875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.2571677565574646, acc = 0.9169921875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.24753539264202118, acc = 0.92578125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.2957785725593567, acc = 0.8984375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.293565034866333, acc = 0.9140625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.2813722789287567, acc = 0.90625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.304877907037735, acc = 0.8955078125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.276885062456131, acc = 0.9033203125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.2927200496196747, acc = 0.8935546875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.28771302103996277, acc = 0.904296875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.26104986667633057, acc = 0.9150390625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.26474428176879883, acc = 0.9228515625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.293061763048172, acc = 0.89453125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.2543564736843109, acc = 0.9140625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.28345733880996704, acc = 0.8955078125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.28275465965270996, acc = 0.90234375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.2749921381473541, acc = 0.9013671875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.2651345133781433, acc = 0.9111328125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.2950739562511444, acc = 0.896484375
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2612399160861969, acc = 0.9111328125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.28902551531791687, acc = 0.9091796875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.29014870524406433, acc = 0.8984375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.3287600576877594, acc = 0.88671875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.30844366550445557, acc = 0.890625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2328696846961975, acc = 0.919921875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.2585965096950531, acc = 0.9189453125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.26379498839378357, acc = 0.9130859375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.3078555166721344, acc = 0.890625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.25539863109588623, acc = 0.9140625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2375459372997284, acc = 0.919921875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.3111720085144043, acc = 0.9013671875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.29110223054885864, acc = 0.904296875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.27345025539398193, acc = 0.904296875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.2797184884548187, acc = 0.90625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.2608828842639923, acc = 0.9140625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.28412702679634094, acc = 0.896484375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.28872331976890564, acc = 0.900390625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.23329885303974152, acc = 0.9130859375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.32345128059387207, acc = 0.8896484375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.30170968174934387, acc = 0.89453125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.328435480594635, acc = 0.8837890625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.33020448684692383, acc = 0.890625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.2929331660270691, acc = 0.904296875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.3049458861351013, acc = 0.88671875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.28680506348609924, acc = 0.8896484375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.2787247896194458, acc = 0.9169921875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.30084431171417236, acc = 0.892578125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.3291553854942322, acc = 0.8896484375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.2870035767555237, acc = 0.9033203125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.2886864244937897, acc = 0.8994140625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.30905720591545105, acc = 0.8935546875
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.298572838306427, acc = 0.90234375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.2703603208065033, acc = 0.8994140625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.32212674617767334, acc = 0.89453125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.2479056715965271, acc = 0.9140625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.26183661818504333, acc = 0.9052734375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.2764587700366974, acc = 0.9111328125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.26188433170318604, acc = 0.9072265625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.2729700803756714, acc = 0.9013671875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.2648632228374481, acc = 0.904296875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.26607510447502136, acc = 0.9033203125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.3018825352191925, acc = 0.8916015625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.28847837448120117, acc = 0.9130859375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.2751639485359192, acc = 0.912109375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.285878449678421, acc = 0.9013671875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.2975568175315857, acc = 0.8974609375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.27927565574645996, acc = 0.9013671875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.2814103960990906, acc = 0.9052734375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.2581249177455902, acc = 0.90625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.26689139008522034, acc = 0.9111328125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.2538774609565735, acc = 0.912109375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.26569709181785583, acc = 0.9111328125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.2909262180328369, acc = 0.892578125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.30024254322052, acc = 0.89453125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.27514010667800903, acc = 0.9130859375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.28700917959213257, acc = 0.908203125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.30076536536216736, acc = 0.896484375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.30722296237945557, acc = 0.8876953125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.3036728501319885, acc = 0.896484375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.3225783109664917, acc = 0.8974609375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.29773616790771484, acc = 0.8994140625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.2885838747024536, acc = 0.916015625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.27053746581077576, acc = 0.912109375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.24835453927516937, acc = 0.9169921875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.2912847697734833, acc = 0.9072265625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.2374259978532791, acc = 0.919921875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.26799002289772034, acc = 0.8994140625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.22998622059822083, acc = 0.9140625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.3038577735424042, acc = 0.904296875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.3071066439151764, acc = 0.8916015625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.3187677264213562, acc = 0.8837890625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.31179818511009216, acc = 0.8896484375

Epoch 87/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.3525141775608063, acc = 0.892578125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.3044973909854889, acc = 0.89453125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.28316378593444824, acc = 0.9052734375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.2985275089740753, acc = 0.9052734375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.3123699426651001, acc = 0.892578125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.30615144968032837, acc = 0.888671875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.2842733860015869, acc = 0.9052734375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.33556070923805237, acc = 0.8798828125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.3027895987033844, acc = 0.900390625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.246836319565773, acc = 0.9130859375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.3174780011177063, acc = 0.89453125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.26838505268096924, acc = 0.9072265625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.25828614830970764, acc = 0.9140625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.29433172941207886, acc = 0.8974609375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.28162550926208496, acc = 0.900390625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.30601343512535095, acc = 0.8837890625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.2858199179172516, acc = 0.9052734375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.28848689794540405, acc = 0.8984375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.2799920439720154, acc = 0.9140625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.30593982338905334, acc = 0.888671875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.3127099871635437, acc = 0.9033203125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.3032466173171997, acc = 0.89453125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.30919763445854187, acc = 0.892578125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.2967471778392792, acc = 0.8994140625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.2935755252838135, acc = 0.9013671875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.28857946395874023, acc = 0.9033203125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.34170788526535034, acc = 0.8896484375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.3028426170349121, acc = 0.8935546875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.32175374031066895, acc = 0.880859375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.27817583084106445, acc = 0.90234375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.3115963041782379, acc = 0.8984375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.3210088312625885, acc = 0.88671875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.2650335431098938, acc = 0.9052734375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.30670952796936035, acc = 0.8994140625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.30398884415626526, acc = 0.9111328125
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.28736504912376404, acc = 0.8994140625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.2325890213251114, acc = 0.9189453125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.3019740581512451, acc = 0.8896484375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.2740194499492645, acc = 0.912109375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.2905598282814026, acc = 0.8984375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.2636909484863281, acc = 0.9169921875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.29445838928222656, acc = 0.9013671875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.3184506297111511, acc = 0.8876953125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.2835823893547058, acc = 0.90234375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.24894851446151733, acc = 0.9130859375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.27464088797569275, acc = 0.9091796875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.2906287908554077, acc = 0.90625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.23770932853221893, acc = 0.9189453125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.28572243452072144, acc = 0.9033203125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.2479446828365326, acc = 0.912109375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.2679472863674164, acc = 0.904296875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.26291894912719727, acc = 0.90625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.3011365234851837, acc = 0.89453125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.22716426849365234, acc = 0.9248046875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.258387953042984, acc = 0.912109375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.298172265291214, acc = 0.9013671875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.29448559880256653, acc = 0.900390625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.31630897521972656, acc = 0.884765625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.22968946397304535, acc = 0.921875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.28763347864151, acc = 0.9013671875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.23600181937217712, acc = 0.919921875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.32005658745765686, acc = 0.9033203125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.27912965416908264, acc = 0.9033203125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.24477286636829376, acc = 0.9130859375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.2824390232563019, acc = 0.90625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.2939063608646393, acc = 0.8916015625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.28828299045562744, acc = 0.8974609375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.26249960064888, acc = 0.916015625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.2836920917034149, acc = 0.91015625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.2899358570575714, acc = 0.8955078125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.3153139054775238, acc = 0.8916015625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.26658034324645996, acc = 0.908203125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.31394079327583313, acc = 0.8955078125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.33674564957618713, acc = 0.8740234375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.34130212664604187, acc = 0.880859375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.30699995160102844, acc = 0.8857421875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.2825663089752197, acc = 0.908203125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.29210954904556274, acc = 0.90234375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.30853745341300964, acc = 0.8974609375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.24111060798168182, acc = 0.91015625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.3011142611503601, acc = 0.8935546875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.30159783363342285, acc = 0.9072265625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.2991238832473755, acc = 0.9052734375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.2835708260536194, acc = 0.9013671875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.3318210244178772, acc = 0.884765625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.29616039991378784, acc = 0.904296875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.27533069252967834, acc = 0.9013671875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.3398575782775879, acc = 0.8818359375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.2555077075958252, acc = 0.9150390625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.2844516634941101, acc = 0.900390625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.2848626375198364, acc = 0.9033203125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.27718761563301086, acc = 0.896484375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.25626564025878906, acc = 0.9111328125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.25298595428466797, acc = 0.9189453125
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.2409946322441101, acc = 0.9130859375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.2846692204475403, acc = 0.908203125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.29575735330581665, acc = 0.9072265625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.30679208040237427, acc = 0.888671875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.2924651503562927, acc = 0.89453125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.24297909438610077, acc = 0.919921875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.26538169384002686, acc = 0.912109375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.3283455967903137, acc = 0.8759765625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.31138521432876587, acc = 0.8896484375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.2433570772409439, acc = 0.923828125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.2612411081790924, acc = 0.912109375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.2805531620979309, acc = 0.9052734375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.28612709045410156, acc = 0.8994140625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.29348474740982056, acc = 0.900390625
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.25649920105934143, acc = 0.9140625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.2869202494621277, acc = 0.9140625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.3023676574230194, acc = 0.900390625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.2784755527973175, acc = 0.8994140625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.295528382062912, acc = 0.90625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.2763272523880005, acc = 0.9111328125
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.29700183868408203, acc = 0.89453125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.30553290247917175, acc = 0.8935546875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.27853333950042725, acc = 0.8984375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.2889293134212494, acc = 0.8984375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.2636142373085022, acc = 0.9091796875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.24122661352157593, acc = 0.9130859375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.2939346730709076, acc = 0.9033203125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.25234073400497437, acc = 0.91015625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.3068509101867676, acc = 0.9033203125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.3141564130783081, acc = 0.8916015625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.26966458559036255, acc = 0.912109375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.31228721141815186, acc = 0.890625

Epoch 88/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.3800734877586365, acc = 0.875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.30777376890182495, acc = 0.8935546875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.2885976731777191, acc = 0.908203125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.2750987112522125, acc = 0.9033203125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.28522244095802307, acc = 0.896484375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.2954513430595398, acc = 0.8994140625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.2725636959075928, acc = 0.9033203125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.2998199462890625, acc = 0.89453125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.2885940372943878, acc = 0.888671875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.23778580129146576, acc = 0.9267578125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.328642874956131, acc = 0.8837890625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.28324976563453674, acc = 0.9033203125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.2671617865562439, acc = 0.904296875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.28794267773628235, acc = 0.9091796875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.28673219680786133, acc = 0.8955078125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.30730515718460083, acc = 0.890625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.29000723361968994, acc = 0.9033203125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.28526854515075684, acc = 0.9033203125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.3167968690395355, acc = 0.8935546875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.2995836138725281, acc = 0.9033203125
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.2997102439403534, acc = 0.896484375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.3001627027988434, acc = 0.8935546875
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.29594677686691284, acc = 0.9013671875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.2681411802768707, acc = 0.912109375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.3133688271045685, acc = 0.8798828125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.314364492893219, acc = 0.89453125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.335753858089447, acc = 0.884765625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.340025395154953, acc = 0.8876953125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.33704495429992676, acc = 0.875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.30298495292663574, acc = 0.892578125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.3110589385032654, acc = 0.8974609375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.31346359848976135, acc = 0.88671875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.27216166257858276, acc = 0.9130859375
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.30268505215644836, acc = 0.8916015625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.31223613023757935, acc = 0.8994140625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.28296250104904175, acc = 0.9033203125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.25793299078941345, acc = 0.9140625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.27668890357017517, acc = 0.9072265625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.2719356417655945, acc = 0.904296875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.2893167734146118, acc = 0.8974609375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.2768349051475525, acc = 0.8955078125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.27719277143478394, acc = 0.8935546875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.29657700657844543, acc = 0.9052734375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.2579490840435028, acc = 0.919921875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.25143107771873474, acc = 0.912109375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.26730719208717346, acc = 0.90625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.2870525121688843, acc = 0.9072265625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.2858821153640747, acc = 0.9111328125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.26181432604789734, acc = 0.9130859375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.27935296297073364, acc = 0.90234375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.32891958951950073, acc = 0.8876953125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.29210251569747925, acc = 0.896484375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.2946949303150177, acc = 0.9033203125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2504432797431946, acc = 0.9130859375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.27411386370658875, acc = 0.91796875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.3196755647659302, acc = 0.88671875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.29583075642585754, acc = 0.890625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.31973859667778015, acc = 0.892578125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.24836619198322296, acc = 0.9296875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.29501596093177795, acc = 0.8955078125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.30062830448150635, acc = 0.8935546875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.30624955892562866, acc = 0.896484375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.25456494092941284, acc = 0.9140625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2605818510055542, acc = 0.919921875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.29265904426574707, acc = 0.908203125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.2784322202205658, acc = 0.9111328125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.24907316267490387, acc = 0.9189453125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.29735082387924194, acc = 0.892578125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.24256978929042816, acc = 0.9267578125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.3076239228248596, acc = 0.8955078125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.2741810083389282, acc = 0.8974609375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.24342618882656097, acc = 0.919921875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.31862735748291016, acc = 0.892578125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.3096690773963928, acc = 0.8984375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.28697308897972107, acc = 0.9052734375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.3560841679573059, acc = 0.8701171875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.2736312747001648, acc = 0.9013671875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.28450483083724976, acc = 0.8984375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.2782571315765381, acc = 0.9013671875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.2500034272670746, acc = 0.9169921875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.31778863072395325, acc = 0.8955078125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.2513393759727478, acc = 0.9189453125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.28151553869247437, acc = 0.900390625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.30088290572166443, acc = 0.9072265625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.2981894612312317, acc = 0.8974609375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.29743659496307373, acc = 0.8837890625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.34150439500808716, acc = 0.8798828125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.30363503098487854, acc = 0.8916015625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.27531078457832336, acc = 0.9052734375
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.30396130681037903, acc = 0.9013671875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.3259087800979614, acc = 0.8876953125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.2810398042201996, acc = 0.9111328125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.24804171919822693, acc = 0.916015625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.2632209360599518, acc = 0.9169921875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.2728778123855591, acc = 0.9111328125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.2836901843547821, acc = 0.9033203125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.2642495930194855, acc = 0.9140625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.2969360649585724, acc = 0.896484375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.3195670247077942, acc = 0.8876953125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.2630128264427185, acc = 0.90234375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.30763986706733704, acc = 0.896484375
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.3101266622543335, acc = 0.8916015625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.2720175087451935, acc = 0.9248046875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.24582375586032867, acc = 0.9033203125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.2780693769454956, acc = 0.8994140625
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.2578665018081665, acc = 0.9150390625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.2696208655834198, acc = 0.90234375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.28336381912231445, acc = 0.9052734375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.29029354453086853, acc = 0.90234375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.3149010241031647, acc = 0.8916015625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.3220338225364685, acc = 0.892578125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.30324962735176086, acc = 0.892578125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.29223906993865967, acc = 0.90625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.3014087378978729, acc = 0.9052734375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.2690824568271637, acc = 0.9091796875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.29235634207725525, acc = 0.8994140625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.2803867757320404, acc = 0.908203125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.24642512202262878, acc = 0.9111328125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.272846519947052, acc = 0.908203125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.21863491833209991, acc = 0.9267578125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.3038361072540283, acc = 0.8935546875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.28280672430992126, acc = 0.9072265625
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.25468015670776367, acc = 0.912109375
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.28823140263557434, acc = 0.9033203125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.2931666970252991, acc = 0.8974609375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.31380796432495117, acc = 0.8935546875

Epoch 89/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.38247713446617126, acc = 0.8798828125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.3157486021518707, acc = 0.89453125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.2932661771774292, acc = 0.9033203125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.3114634156227112, acc = 0.8984375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.2959575355052948, acc = 0.900390625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.2811134457588196, acc = 0.9189453125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.25027188658714294, acc = 0.9189453125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.30915841460227966, acc = 0.8876953125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.28223133087158203, acc = 0.904296875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.25076737999916077, acc = 0.921875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.32993054389953613, acc = 0.8896484375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.2754727900028229, acc = 0.90625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.2412804365158081, acc = 0.9140625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.2992295026779175, acc = 0.896484375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.28790950775146484, acc = 0.8984375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.31216803193092346, acc = 0.892578125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.2820349931716919, acc = 0.90234375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.2771975100040436, acc = 0.9072265625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.27872270345687866, acc = 0.9033203125
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.29537147283554077, acc = 0.9013671875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.31451570987701416, acc = 0.888671875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.30415046215057373, acc = 0.900390625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.2899724245071411, acc = 0.8955078125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.2838866114616394, acc = 0.912109375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.27817150950431824, acc = 0.9091796875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.24355772137641907, acc = 0.9130859375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.3295729458332062, acc = 0.8896484375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.32494306564331055, acc = 0.892578125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.2908942699432373, acc = 0.8984375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.2817736864089966, acc = 0.9072265625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.2711104452610016, acc = 0.904296875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.3152288496494293, acc = 0.8935546875
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.26269519329071045, acc = 0.916015625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.30641457438468933, acc = 0.90234375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.27153295278549194, acc = 0.91015625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.27892303466796875, acc = 0.8984375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.2580909729003906, acc = 0.9140625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.2758944630622864, acc = 0.9140625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.2580873668193817, acc = 0.9169921875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.29949355125427246, acc = 0.900390625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.24810287356376648, acc = 0.908203125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.2760522663593292, acc = 0.892578125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.30651336908340454, acc = 0.900390625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.2761141359806061, acc = 0.8994140625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.2229122817516327, acc = 0.923828125
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.23207610845565796, acc = 0.9248046875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.2902939021587372, acc = 0.9072265625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.26380449533462524, acc = 0.9091796875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.2934798300266266, acc = 0.9013671875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.25182971358299255, acc = 0.919921875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.2573627233505249, acc = 0.9169921875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.2403574138879776, acc = 0.9208984375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.3068258464336395, acc = 0.89453125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.24278733134269714, acc = 0.90625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.2635723948478699, acc = 0.9208984375
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.2913215458393097, acc = 0.9013671875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.315527081489563, acc = 0.890625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.317088782787323, acc = 0.890625
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.25510063767433167, acc = 0.908203125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.28719624876976013, acc = 0.904296875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.27285483479499817, acc = 0.908203125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.3323804438114166, acc = 0.89453125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.2612896263599396, acc = 0.916015625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.25422537326812744, acc = 0.91796875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.2754807472229004, acc = 0.908203125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.2807466685771942, acc = 0.8994140625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.28266745805740356, acc = 0.9052734375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.2963448166847229, acc = 0.8955078125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.2570638656616211, acc = 0.9169921875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.31700819730758667, acc = 0.904296875
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.2717292010784149, acc = 0.9052734375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.2749651074409485, acc = 0.90625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.2752048373222351, acc = 0.908203125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.2803906202316284, acc = 0.90625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.3065741956233978, acc = 0.896484375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.34781914949417114, acc = 0.875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.2845187187194824, acc = 0.8955078125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.28250589966773987, acc = 0.9052734375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.28120753169059753, acc = 0.904296875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.2585099935531616, acc = 0.908203125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.26904046535491943, acc = 0.9130859375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.26113611459732056, acc = 0.904296875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.26427850127220154, acc = 0.912109375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.25475677847862244, acc = 0.908203125
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.3362463712692261, acc = 0.87890625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.2696915566921234, acc = 0.916015625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.29620519280433655, acc = 0.9033203125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.27222704887390137, acc = 0.9140625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.2580519914627075, acc = 0.9169921875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.3179444968700409, acc = 0.9013671875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.32326602935791016, acc = 0.888671875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.30634528398513794, acc = 0.904296875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.23577100038528442, acc = 0.9189453125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.2718469500541687, acc = 0.9169921875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.24788929522037506, acc = 0.9169921875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.27053558826446533, acc = 0.9013671875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.26937568187713623, acc = 0.91015625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.27631351351737976, acc = 0.8955078125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.29997923970222473, acc = 0.896484375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.31280386447906494, acc = 0.8955078125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.25986039638519287, acc = 0.90625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.28564539551734924, acc = 0.9052734375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.3052435517311096, acc = 0.8994140625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.2649807631969452, acc = 0.908203125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.2477911412715912, acc = 0.919921875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.23660880327224731, acc = 0.91796875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.2717374563217163, acc = 0.9111328125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.27278250455856323, acc = 0.9052734375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.2622630000114441, acc = 0.91015625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.2669239044189453, acc = 0.912109375
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.27623409032821655, acc = 0.8994140625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.2752516269683838, acc = 0.8984375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.2915998697280884, acc = 0.88671875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.2927337884902954, acc = 0.90234375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.27650055289268494, acc = 0.9072265625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.30030763149261475, acc = 0.904296875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.2793095111846924, acc = 0.9072265625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.24281030893325806, acc = 0.919921875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.2789568305015564, acc = 0.908203125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.21846085786819458, acc = 0.9248046875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.30908769369125366, acc = 0.9013671875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.26774758100509644, acc = 0.9091796875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.2868516743183136, acc = 0.8955078125
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.2855987548828125, acc = 0.904296875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.28835156559944153, acc = 0.90625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.311303973197937, acc = 0.8974609375

Epoch 90/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.35712409019470215, acc = 0.890625
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.3234034478664398, acc = 0.8896484375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.29254594445228577, acc = 0.9013671875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.28454357385635376, acc = 0.908203125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.2941809892654419, acc = 0.8935546875
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.28145578503608704, acc = 0.90625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.27742767333984375, acc = 0.9052734375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.286652535200119, acc = 0.908203125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.30385923385620117, acc = 0.9013671875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.26732712984085083, acc = 0.9072265625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.3045824468135834, acc = 0.89453125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.2817484736442566, acc = 0.9091796875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.27080169320106506, acc = 0.89453125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.2512439489364624, acc = 0.9111328125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.23996734619140625, acc = 0.9208984375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.2665186822414398, acc = 0.90625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.2268347442150116, acc = 0.9189453125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.27774983644485474, acc = 0.904296875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.27297237515449524, acc = 0.904296875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.28556931018829346, acc = 0.8994140625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.2596912980079651, acc = 0.9111328125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.2908049523830414, acc = 0.900390625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.3060638904571533, acc = 0.90234375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.24760034680366516, acc = 0.916015625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.2605917453765869, acc = 0.919921875
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.2693008780479431, acc = 0.908203125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.3156980276107788, acc = 0.89453125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.32926955819129944, acc = 0.8828125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.30165159702301025, acc = 0.8916015625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.2919134199619293, acc = 0.8955078125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.2811683416366577, acc = 0.91015625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.3060901463031769, acc = 0.892578125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.2723551094532013, acc = 0.908203125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.2999115288257599, acc = 0.90234375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.2875633239746094, acc = 0.8984375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.2677116394042969, acc = 0.90625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.2273016721010208, acc = 0.91796875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.24504008889198303, acc = 0.927734375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.24872557818889618, acc = 0.91015625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.2769435942173004, acc = 0.9033203125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.29106447100639343, acc = 0.9013671875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.27454274892807007, acc = 0.904296875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.2788500487804413, acc = 0.91015625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.2498769760131836, acc = 0.923828125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.24482691287994385, acc = 0.927734375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.24524009227752686, acc = 0.919921875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.2505176365375519, acc = 0.9130859375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.24307970702648163, acc = 0.9140625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.24104765057563782, acc = 0.919921875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.2475750595331192, acc = 0.916015625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.28560394048690796, acc = 0.900390625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.25490954518318176, acc = 0.908203125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.26588836312294006, acc = 0.9150390625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.25893765687942505, acc = 0.908203125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.29222261905670166, acc = 0.9033203125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.28383100032806396, acc = 0.9052734375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.282726913690567, acc = 0.900390625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.29156750440597534, acc = 0.8984375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.22501540184020996, acc = 0.9228515625
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.26112082600593567, acc = 0.9140625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.25524574518203735, acc = 0.9169921875
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.3127143085002899, acc = 0.892578125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.2533378601074219, acc = 0.92578125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.23071224987506866, acc = 0.9169921875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.28591734170913696, acc = 0.9072265625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.26580196619033813, acc = 0.912109375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.26619598269462585, acc = 0.9052734375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.25903987884521484, acc = 0.9189453125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.25473618507385254, acc = 0.9208984375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.30841392278671265, acc = 0.8984375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.26313918828964233, acc = 0.904296875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.26594841480255127, acc = 0.9091796875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.29679393768310547, acc = 0.9052734375
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.28343865275382996, acc = 0.9033203125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.3106149733066559, acc = 0.89453125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.29353025555610657, acc = 0.896484375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.26469939947128296, acc = 0.90625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.30331951379776, acc = 0.900390625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.2832159399986267, acc = 0.90234375
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.26702457666397095, acc = 0.908203125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.25462013483047485, acc = 0.90625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.26179370284080505, acc = 0.9169921875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.2705245018005371, acc = 0.9091796875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.2669898569583893, acc = 0.912109375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.3031683564186096, acc = 0.8984375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.2777237594127655, acc = 0.9052734375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.2881333827972412, acc = 0.9052734375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.330763041973114, acc = 0.90234375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.27909621596336365, acc = 0.904296875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.24627865850925446, acc = 0.9248046875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.281544029712677, acc = 0.896484375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.2773757874965668, acc = 0.912109375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.23796206712722778, acc = 0.9228515625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.24898876249790192, acc = 0.912109375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.259483277797699, acc = 0.9052734375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.30038464069366455, acc = 0.9013671875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.29420945048332214, acc = 0.90625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.26915842294692993, acc = 0.908203125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.27178606390953064, acc = 0.9013671875
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.2733849287033081, acc = 0.8984375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.2773258686065674, acc = 0.91015625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.26976099610328674, acc = 0.91015625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.2731062173843384, acc = 0.91015625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.22488240897655487, acc = 0.923828125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.23979157209396362, acc = 0.921875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.2449592798948288, acc = 0.912109375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.2724674642086029, acc = 0.9091796875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.25707608461380005, acc = 0.912109375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.25750860571861267, acc = 0.9111328125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.2684282064437866, acc = 0.9228515625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.2767111361026764, acc = 0.8974609375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.27061745524406433, acc = 0.9072265625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.2815271317958832, acc = 0.9111328125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.2849314212799072, acc = 0.8994140625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.2784910798072815, acc = 0.9052734375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.2729930281639099, acc = 0.9130859375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.2729121446609497, acc = 0.9052734375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.2558286488056183, acc = 0.912109375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.27726954221725464, acc = 0.90234375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.24835917353630066, acc = 0.9091796875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.2631646394729614, acc = 0.908203125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.26005205512046814, acc = 0.904296875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.29030266404151917, acc = 0.9091796875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.2745022773742676, acc = 0.912109375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.32526955008506775, acc = 0.8818359375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.2736607789993286, acc = 0.9052734375
Saved checkpoint to weights.90.h5

Epoch 91/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.34822627902030945, acc = 0.892578125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.3260386288166046, acc = 0.8974609375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.26617690920829773, acc = 0.9111328125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.29157888889312744, acc = 0.9052734375
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.27729541063308716, acc = 0.90625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.29743099212646484, acc = 0.8935546875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.2557382881641388, acc = 0.9052734375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.30226144194602966, acc = 0.904296875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.27832895517349243, acc = 0.9013671875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.23475196957588196, acc = 0.916015625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.2685050368309021, acc = 0.9052734375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.2551824152469635, acc = 0.9189453125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.24077048897743225, acc = 0.9189453125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.2219073474407196, acc = 0.931640625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.24509581923484802, acc = 0.9130859375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.2836192846298218, acc = 0.8994140625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.2768023610115051, acc = 0.921875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.2647773325443268, acc = 0.919921875
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.2711622416973114, acc = 0.919921875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.31661278009414673, acc = 0.9013671875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.32345083355903625, acc = 0.8994140625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.31051644682884216, acc = 0.8984375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.25962838530540466, acc = 0.912109375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.23691155016422272, acc = 0.92578125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.2539187967777252, acc = 0.912109375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.2561250627040863, acc = 0.91015625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.3029213547706604, acc = 0.8896484375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.2957369089126587, acc = 0.8876953125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.28782936930656433, acc = 0.8837890625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.2678748369216919, acc = 0.9072265625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.27609699964523315, acc = 0.90234375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.30884549021720886, acc = 0.900390625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.2407459020614624, acc = 0.921875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.2699941396713257, acc = 0.9052734375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.2957206070423126, acc = 0.8994140625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.24491837620735168, acc = 0.9130859375
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.24401485919952393, acc = 0.9130859375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.24210239946842194, acc = 0.9228515625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.26108789443969727, acc = 0.9150390625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.2660316526889801, acc = 0.908203125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.2908363342285156, acc = 0.9013671875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.25395631790161133, acc = 0.9111328125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.3104885518550873, acc = 0.8984375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.22834578156471252, acc = 0.9306640625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.23597308993339539, acc = 0.9169921875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.2622663080692291, acc = 0.9072265625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.27070873975753784, acc = 0.91015625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.25746655464172363, acc = 0.9072265625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.24979516863822937, acc = 0.908203125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.24429945647716522, acc = 0.916015625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.2769661247730255, acc = 0.90625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.2710873782634735, acc = 0.900390625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.2703232765197754, acc = 0.90625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2350250482559204, acc = 0.9248046875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.26354801654815674, acc = 0.9140625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.2692534327507019, acc = 0.91015625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.2949463129043579, acc = 0.892578125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.31254830956459045, acc = 0.8876953125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.22150717675685883, acc = 0.9189453125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.2933480143547058, acc = 0.8916015625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.2499057799577713, acc = 0.9111328125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.32588645815849304, acc = 0.8837890625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.24591852724552155, acc = 0.916015625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2276444435119629, acc = 0.9208984375
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.2696536183357239, acc = 0.904296875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.2648494243621826, acc = 0.912109375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.23925648629665375, acc = 0.9228515625
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.2762470543384552, acc = 0.912109375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.23162895441055298, acc = 0.9208984375
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.29502013325691223, acc = 0.8984375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.26974764466285706, acc = 0.9091796875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.24076031148433685, acc = 0.921875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.2972129285335541, acc = 0.9091796875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.2911043167114258, acc = 0.9052734375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.3085426688194275, acc = 0.8916015625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.2814832925796509, acc = 0.9091796875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.24375027418136597, acc = 0.9208984375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.292207807302475, acc = 0.900390625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.2733224034309387, acc = 0.9091796875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.25450989603996277, acc = 0.9111328125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.26973849534988403, acc = 0.9052734375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.2603987455368042, acc = 0.908203125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.2571154832839966, acc = 0.908203125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.2829301357269287, acc = 0.9052734375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.2838456332683563, acc = 0.90234375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.29141488671302795, acc = 0.9072265625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.28664430975914, acc = 0.900390625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.2807539105415344, acc = 0.91015625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.2559816837310791, acc = 0.91796875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.2555452287197113, acc = 0.9111328125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.27598634362220764, acc = 0.9091796875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.25696343183517456, acc = 0.9111328125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.2549736201763153, acc = 0.908203125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.26047179102897644, acc = 0.9140625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.25453442335128784, acc = 0.919921875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.2857531011104584, acc = 0.90234375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.26939907670021057, acc = 0.9169921875
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.2525635361671448, acc = 0.9072265625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.25129425525665283, acc = 0.923828125
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.30664631724357605, acc = 0.8818359375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.301013708114624, acc = 0.8935546875
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.2810419499874115, acc = 0.90234375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.2852611243724823, acc = 0.91015625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.22671453654766083, acc = 0.9208984375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.2609119117259979, acc = 0.91796875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.23964735865592957, acc = 0.921875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.2490023374557495, acc = 0.912109375
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.26311731338500977, acc = 0.912109375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.26545336842536926, acc = 0.9150390625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.2261820137500763, acc = 0.9248046875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.30077749490737915, acc = 0.9013671875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.25975796580314636, acc = 0.9013671875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.2844313085079193, acc = 0.9052734375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.27307721972465515, acc = 0.912109375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.25982242822647095, acc = 0.9130859375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.2598123550415039, acc = 0.91015625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.2881840467453003, acc = 0.904296875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.2584139108657837, acc = 0.9111328125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.2677880823612213, acc = 0.904296875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.2656415104866028, acc = 0.908203125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.26391273736953735, acc = 0.9072265625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.24210330843925476, acc = 0.9130859375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.2777995467185974, acc = 0.9091796875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.3315432667732239, acc = 0.8876953125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.3273618817329407, acc = 0.8876953125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.2993101477622986, acc = 0.8974609375

Epoch 92/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.34550079703330994, acc = 0.8896484375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.27571386098861694, acc = 0.91015625
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.2859756350517273, acc = 0.9052734375
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.30001768469810486, acc = 0.90625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.2573480010032654, acc = 0.916015625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.2977672815322876, acc = 0.904296875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.2808869481086731, acc = 0.8994140625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.29548147320747375, acc = 0.8984375
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.282131552696228, acc = 0.9130859375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.21680884063243866, acc = 0.92578125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.2797478139400482, acc = 0.9052734375
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.2714473307132721, acc = 0.90625
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.233671635389328, acc = 0.91796875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.2577633261680603, acc = 0.9111328125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.24970172345638275, acc = 0.916015625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.27596014738082886, acc = 0.8984375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.2572537064552307, acc = 0.9052734375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.2918700575828552, acc = 0.9033203125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.2443714439868927, acc = 0.9169921875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.25801292061805725, acc = 0.916015625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.2859172821044922, acc = 0.908203125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.2907736003398895, acc = 0.900390625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.27098971605300903, acc = 0.9150390625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.25185152888298035, acc = 0.9052734375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.26280471682548523, acc = 0.916015625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.2539709210395813, acc = 0.912109375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.2969403564929962, acc = 0.8984375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.2817922532558441, acc = 0.90625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.28912705183029175, acc = 0.91015625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.2743893265724182, acc = 0.9111328125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.27360594272613525, acc = 0.896484375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.34085097908973694, acc = 0.8837890625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.27062952518463135, acc = 0.908203125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.2951003909111023, acc = 0.8974609375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.2896912097930908, acc = 0.9130859375
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.2750817537307739, acc = 0.9150390625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.2249024659395218, acc = 0.919921875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.2676050662994385, acc = 0.9091796875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.2548736035823822, acc = 0.9150390625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.27239713072776794, acc = 0.904296875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.26061710715293884, acc = 0.9140625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.2628823518753052, acc = 0.9130859375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.2962791919708252, acc = 0.9052734375
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.23109766840934753, acc = 0.921875
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.29817262291908264, acc = 0.904296875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.23066656291484833, acc = 0.91796875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.2582671642303467, acc = 0.9140625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.24678851664066315, acc = 0.9228515625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.25200653076171875, acc = 0.9169921875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.22172850370407104, acc = 0.9384765625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.2913188934326172, acc = 0.890625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.24356529116630554, acc = 0.9267578125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.27965450286865234, acc = 0.8955078125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2337506115436554, acc = 0.9228515625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.2660810351371765, acc = 0.91015625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.27156275510787964, acc = 0.8974609375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.27297505736351013, acc = 0.908203125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.2950395941734314, acc = 0.8984375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.20055197179317474, acc = 0.9375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.246806800365448, acc = 0.9169921875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.24632498621940613, acc = 0.9150390625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.27637192606925964, acc = 0.9052734375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.2548951804637909, acc = 0.9169921875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2441195547580719, acc = 0.9189453125
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.26004496216773987, acc = 0.9033203125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.27461227774620056, acc = 0.9013671875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.26695895195007324, acc = 0.9130859375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.2548339068889618, acc = 0.919921875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.23511557281017303, acc = 0.9267578125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.28023186326026917, acc = 0.908203125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.26118960976600647, acc = 0.900390625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.24636563658714294, acc = 0.9208984375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.27916061878204346, acc = 0.904296875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.2610277831554413, acc = 0.9111328125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.30712205171585083, acc = 0.908203125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.30769944190979004, acc = 0.8984375
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.2547764480113983, acc = 0.91796875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.2829977869987488, acc = 0.912109375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.28013551235198975, acc = 0.9072265625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.23702187836170197, acc = 0.919921875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.2744358777999878, acc = 0.9033203125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.27984100580215454, acc = 0.90234375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.2547633945941925, acc = 0.912109375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.2752557098865509, acc = 0.91015625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.2852535843849182, acc = 0.90234375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.2756516635417938, acc = 0.912109375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.27674534916877747, acc = 0.9052734375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.2942435145378113, acc = 0.8955078125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.25818872451782227, acc = 0.919921875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.250276118516922, acc = 0.9091796875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.28488749265670776, acc = 0.90234375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.2691172659397125, acc = 0.90234375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.23027381300926208, acc = 0.919921875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.24564632773399353, acc = 0.90625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.23736630380153656, acc = 0.927734375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.2770005464553833, acc = 0.908203125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.25922584533691406, acc = 0.9111328125
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.25054875016212463, acc = 0.9169921875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.27821025252342224, acc = 0.916015625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.23890431225299835, acc = 0.9111328125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.23836733400821686, acc = 0.9140625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.2824111580848694, acc = 0.900390625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.2567746639251709, acc = 0.9169921875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.23042619228363037, acc = 0.9296875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.22198639810085297, acc = 0.9287109375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.25728610157966614, acc = 0.9208984375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.23793648183345795, acc = 0.923828125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.2584446370601654, acc = 0.908203125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.26700806617736816, acc = 0.9130859375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.2601430118083954, acc = 0.9140625
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.28041520714759827, acc = 0.9052734375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.25710833072662354, acc = 0.916015625
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.30196285247802734, acc = 0.892578125
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.30094611644744873, acc = 0.904296875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.25411170721054077, acc = 0.9189453125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.24632205069065094, acc = 0.9248046875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.2476573884487152, acc = 0.919921875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.2406008243560791, acc = 0.9111328125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.2702307403087616, acc = 0.919921875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.24395820498466492, acc = 0.908203125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.28057169914245605, acc = 0.904296875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.23699524998664856, acc = 0.912109375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.26971232891082764, acc = 0.91015625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.2759593427181244, acc = 0.8994140625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.29077550768852234, acc = 0.9091796875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.2867879867553711, acc = 0.91015625

Epoch 93/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.3506115972995758, acc = 0.89453125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.30579832196235657, acc = 0.8974609375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.25360506772994995, acc = 0.9189453125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.25622329115867615, acc = 0.919921875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.2648862600326538, acc = 0.9072265625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.3087216019630432, acc = 0.900390625
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.2348303198814392, acc = 0.91796875
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.3198673725128174, acc = 0.89453125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.27542710304260254, acc = 0.9013671875
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.2298353761434555, acc = 0.923828125
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.30224889516830444, acc = 0.900390625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.2806881070137024, acc = 0.91796875
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.23402559757232666, acc = 0.9208984375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.2568289637565613, acc = 0.912109375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.24512925744056702, acc = 0.91796875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.2779977321624756, acc = 0.904296875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.27598637342453003, acc = 0.908203125
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.28044164180755615, acc = 0.91015625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.27151238918304443, acc = 0.90625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.2887047827243805, acc = 0.896484375
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.29636189341545105, acc = 0.900390625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.29157161712646484, acc = 0.8974609375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.279705286026001, acc = 0.9033203125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.25305479764938354, acc = 0.9140625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.29508522152900696, acc = 0.9052734375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.29088762402534485, acc = 0.8984375
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.29295670986175537, acc = 0.9072265625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.29999372363090515, acc = 0.89453125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.28293612599372864, acc = 0.9130859375
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.27024707198143005, acc = 0.9150390625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.2856890559196472, acc = 0.90234375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.28621596097946167, acc = 0.9033203125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.23357801139354706, acc = 0.91796875
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.28793153166770935, acc = 0.9033203125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.27603670954704285, acc = 0.9150390625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.23174677789211273, acc = 0.9169921875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.2472897171974182, acc = 0.9150390625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.2539353370666504, acc = 0.912109375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.27027904987335205, acc = 0.9169921875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.2592358887195587, acc = 0.919921875
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.27214428782463074, acc = 0.8984375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.23773030936717987, acc = 0.921875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.3065136969089508, acc = 0.8994140625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.25737351179122925, acc = 0.908203125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.239355206489563, acc = 0.9228515625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.22954638302326202, acc = 0.919921875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.2716967761516571, acc = 0.9033203125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.24535931646823883, acc = 0.9140625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.2493513524532318, acc = 0.9091796875
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.20150409638881683, acc = 0.9248046875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.2865709066390991, acc = 0.9072265625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.2611146569252014, acc = 0.9072265625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.2508409023284912, acc = 0.9091796875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.21896179020404816, acc = 0.9287109375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.27637234330177307, acc = 0.9111328125
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.25061988830566406, acc = 0.9052734375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.2837587594985962, acc = 0.90625
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.3001519441604614, acc = 0.904296875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2088577300310135, acc = 0.9287109375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.2617758810520172, acc = 0.91796875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.2403482049703598, acc = 0.923828125
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.32661932706832886, acc = 0.88671875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.2697494924068451, acc = 0.9033203125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.23786792159080505, acc = 0.919921875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.25600311160087585, acc = 0.916015625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.268924742937088, acc = 0.8994140625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.21841347217559814, acc = 0.9208984375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.25582677125930786, acc = 0.912109375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.2397347092628479, acc = 0.923828125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.2824017107486725, acc = 0.91015625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.239399254322052, acc = 0.9189453125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.25583839416503906, acc = 0.9140625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.26847004890441895, acc = 0.91015625
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.28516528010368347, acc = 0.90234375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.2941656708717346, acc = 0.8916015625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.3103761076927185, acc = 0.8935546875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.22317609190940857, acc = 0.9208984375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.23474957048892975, acc = 0.9140625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.28038081526756287, acc = 0.90625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.25118422508239746, acc = 0.9150390625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.2658318877220154, acc = 0.8984375
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.2738741934299469, acc = 0.912109375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.2579840421676636, acc = 0.9091796875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.2458033263683319, acc = 0.9140625
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.25824153423309326, acc = 0.9052734375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.2352401465177536, acc = 0.91796875
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.2977087199687958, acc = 0.908203125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.29997560381889343, acc = 0.90234375
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.2831142246723175, acc = 0.9013671875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.25451865792274475, acc = 0.91015625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.27898725867271423, acc = 0.9111328125
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.2914820611476898, acc = 0.9033203125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.264356791973114, acc = 0.916015625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.24928727746009827, acc = 0.912109375
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.270378977060318, acc = 0.9130859375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.27752822637557983, acc = 0.90625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.2783270478248596, acc = 0.9052734375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.23092904686927795, acc = 0.9267578125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.23795704543590546, acc = 0.9140625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.28324058651924133, acc = 0.9052734375
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.2837161719799042, acc = 0.90625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.2718730568885803, acc = 0.904296875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.25060033798217773, acc = 0.9140625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.23207829892635345, acc = 0.9228515625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.23024970293045044, acc = 0.908203125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.24041607975959778, acc = 0.9140625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.23343807458877563, acc = 0.9228515625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.27805233001708984, acc = 0.904296875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.2736440598964691, acc = 0.912109375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.23649463057518005, acc = 0.921875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.26833173632621765, acc = 0.912109375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.28123238682746887, acc = 0.904296875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.2960585653781891, acc = 0.904296875
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.2483997941017151, acc = 0.9169921875
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.28259140253067017, acc = 0.9052734375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.26156342029571533, acc = 0.9052734375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.25117504596710205, acc = 0.9130859375
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.24687883257865906, acc = 0.9150390625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.25286221504211426, acc = 0.9150390625
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.22832320630550385, acc = 0.9169921875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.2630440592765808, acc = 0.912109375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.25218403339385986, acc = 0.9189453125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.2839374840259552, acc = 0.900390625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.27475446462631226, acc = 0.904296875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.2973670959472656, acc = 0.8896484375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.26343226432800293, acc = 0.908203125

Epoch 94/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.33146801590919495, acc = 0.8974609375
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.27158674597740173, acc = 0.9072265625
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.27007049322128296, acc = 0.9111328125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.3166997730731964, acc = 0.900390625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.2729254961013794, acc = 0.91015625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.2986189126968384, acc = 0.8955078125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.2684234082698822, acc = 0.90625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.23667839169502258, acc = 0.916015625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.28718796372413635, acc = 0.9072265625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.24776197969913483, acc = 0.921875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.28547829389572144, acc = 0.9111328125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.2554977238178253, acc = 0.912109375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.23200723528862, acc = 0.9169921875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.28096237778663635, acc = 0.9033203125
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.25737497210502625, acc = 0.9140625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.28810784220695496, acc = 0.8984375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.2657206356525421, acc = 0.91015625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.27786362171173096, acc = 0.900390625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.25866514444351196, acc = 0.916015625
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.27659130096435547, acc = 0.904296875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.3265235722064972, acc = 0.88671875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.30022096633911133, acc = 0.8994140625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.25302883982658386, acc = 0.923828125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.2533184587955475, acc = 0.9130859375
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.254274845123291, acc = 0.91015625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.23699882626533508, acc = 0.9189453125
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.28486308455467224, acc = 0.90234375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.24923470616340637, acc = 0.9033203125
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.3302893340587616, acc = 0.8828125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.24982371926307678, acc = 0.912109375
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.24578653275966644, acc = 0.9189453125
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.2985506057739258, acc = 0.89453125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.2504528760910034, acc = 0.916015625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.2772005498409271, acc = 0.900390625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.2811621427536011, acc = 0.9072265625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.2644021809101105, acc = 0.9013671875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.21695560216903687, acc = 0.9345703125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.2957227826118469, acc = 0.9013671875
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.25043994188308716, acc = 0.9169921875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.25353315472602844, acc = 0.9072265625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.25484293699264526, acc = 0.9111328125
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.266509473323822, acc = 0.9130859375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.2719610631465912, acc = 0.90625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.2627185583114624, acc = 0.9150390625
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.2325369417667389, acc = 0.91796875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.25890371203422546, acc = 0.9072265625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.2426694929599762, acc = 0.9130859375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.24789966642856598, acc = 0.91015625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.23605328798294067, acc = 0.9189453125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.24347105622291565, acc = 0.9208984375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.25426483154296875, acc = 0.91796875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.27736321091651917, acc = 0.904296875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.2370191365480423, acc = 0.9169921875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2144618183374405, acc = 0.931640625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.2524006962776184, acc = 0.9169921875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.24911090731620789, acc = 0.9150390625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.2684680223464966, acc = 0.904296875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.29286378622055054, acc = 0.896484375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.21133558452129364, acc = 0.9287109375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.2656483054161072, acc = 0.91015625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.24250175058841705, acc = 0.9228515625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.26868540048599243, acc = 0.9111328125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.2730025351047516, acc = 0.9150390625
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.22687645256519318, acc = 0.921875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.27561575174331665, acc = 0.91015625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.2653343379497528, acc = 0.90625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.23382146656513214, acc = 0.9150390625
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.2963903248310089, acc = 0.90625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.25683456659317017, acc = 0.9169921875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.2575069069862366, acc = 0.912109375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.22790586948394775, acc = 0.9169921875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.22373181581497192, acc = 0.93359375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.27829596400260925, acc = 0.9111328125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.285062700510025, acc = 0.8974609375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.3230384588241577, acc = 0.8984375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.29023948311805725, acc = 0.90625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.25888803601264954, acc = 0.91015625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.2929171025753021, acc = 0.904296875
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.2865012288093567, acc = 0.908203125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.253047913312912, acc = 0.9111328125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.26948294043540955, acc = 0.91015625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.24580535292625427, acc = 0.9150390625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.21123826503753662, acc = 0.9375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.2739553153514862, acc = 0.9052734375
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.26864996552467346, acc = 0.900390625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.23226335644721985, acc = 0.9208984375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.2762022614479065, acc = 0.90625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.2933366894721985, acc = 0.9033203125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.24493159353733063, acc = 0.9228515625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.2733057737350464, acc = 0.9150390625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.25277766585350037, acc = 0.9169921875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.2723190188407898, acc = 0.9052734375
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.264961302280426, acc = 0.9091796875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.24442404508590698, acc = 0.9091796875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.2428530752658844, acc = 0.91796875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.26906895637512207, acc = 0.9033203125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.271349161863327, acc = 0.912109375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.28819510340690613, acc = 0.904296875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.2640359401702881, acc = 0.9052734375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.2443166971206665, acc = 0.916015625
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.25779134035110474, acc = 0.91015625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.2631871700286865, acc = 0.908203125
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.2584686875343323, acc = 0.9052734375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.21346443891525269, acc = 0.9287109375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.22058577835559845, acc = 0.9248046875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.2481420934200287, acc = 0.9130859375
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.21769285202026367, acc = 0.92578125
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.23141053318977356, acc = 0.919921875
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.2761211395263672, acc = 0.9033203125
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.22300413250923157, acc = 0.923828125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.24815750122070312, acc = 0.9228515625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.27037936449050903, acc = 0.892578125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.2642952799797058, acc = 0.91015625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.2715870141983032, acc = 0.9150390625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.2847897708415985, acc = 0.8955078125
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.24366363883018494, acc = 0.91015625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.2615537643432617, acc = 0.9091796875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.2235078662633896, acc = 0.9208984375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.2520037591457367, acc = 0.9130859375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.223097562789917, acc = 0.9140625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.26264315843582153, acc = 0.9111328125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.2166764885187149, acc = 0.9296875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.2664474844932556, acc = 0.90625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.2650456726551056, acc = 0.916015625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.28540441393852234, acc = 0.8984375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.2699269950389862, acc = 0.916015625

Epoch 95/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.3504553735256195, acc = 0.89453125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.30208447575569153, acc = 0.8955078125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.2803332805633545, acc = 0.91015625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.24357350170612335, acc = 0.9169921875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.2531323730945587, acc = 0.912109375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.26425930857658386, acc = 0.9169921875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.2563135623931885, acc = 0.9130859375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.2708379030227661, acc = 0.916015625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.2551327645778656, acc = 0.916015625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.24434906244277954, acc = 0.9248046875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.2573466897010803, acc = 0.919921875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.268247127532959, acc = 0.908203125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.2378079891204834, acc = 0.9228515625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.2518641948699951, acc = 0.916015625
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.23928046226501465, acc = 0.9208984375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.262501060962677, acc = 0.91015625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.250778466463089, acc = 0.9150390625
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.28757667541503906, acc = 0.91015625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.2817256450653076, acc = 0.8974609375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.2960934340953827, acc = 0.90625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.2632468640804291, acc = 0.9052734375
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.2864983081817627, acc = 0.900390625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.25765421986579895, acc = 0.91015625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.25501176714897156, acc = 0.908203125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.2694784700870514, acc = 0.9072265625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.2563764154911041, acc = 0.9150390625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.3128712475299835, acc = 0.892578125
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.2790739834308624, acc = 0.9013671875
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.29116570949554443, acc = 0.892578125
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.28096112608909607, acc = 0.9033203125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.2772004306316376, acc = 0.91796875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.2817949652671814, acc = 0.900390625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.26603496074676514, acc = 0.9111328125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.25119253993034363, acc = 0.90625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.2789393663406372, acc = 0.8994140625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.24777758121490479, acc = 0.9169921875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.20459693670272827, acc = 0.9345703125
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.2178821712732315, acc = 0.923828125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.24459367990493774, acc = 0.9287109375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.2539488971233368, acc = 0.9150390625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.23675775527954102, acc = 0.9150390625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.2594362497329712, acc = 0.9111328125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.28532958030700684, acc = 0.9111328125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.24603933095932007, acc = 0.927734375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.2181723713874817, acc = 0.927734375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.2359185665845871, acc = 0.916015625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.23407016694545746, acc = 0.9208984375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.23022018373012543, acc = 0.921875
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.2163238376379013, acc = 0.9228515625
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.23409830033779144, acc = 0.919921875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.2654212415218353, acc = 0.9130859375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.2978276014328003, acc = 0.89453125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.25398334860801697, acc = 0.91796875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2101837694644928, acc = 0.9296875
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.2652606666088104, acc = 0.91015625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.24869921803474426, acc = 0.90625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.2854994535446167, acc = 0.9033203125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.2935827374458313, acc = 0.8955078125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.20478275418281555, acc = 0.9345703125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.22402602434158325, acc = 0.923828125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.23759211599826813, acc = 0.9150390625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.29061049222946167, acc = 0.9091796875
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.22009187936782837, acc = 0.9287109375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2400190681219101, acc = 0.9248046875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.2730141878128052, acc = 0.908203125
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.2621462345123291, acc = 0.9091796875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.2612965703010559, acc = 0.91796875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.24562475085258484, acc = 0.9052734375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.22252818942070007, acc = 0.9169921875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.25611230731010437, acc = 0.916015625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.25061315298080444, acc = 0.916015625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.22192855179309845, acc = 0.919921875
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.27022621035575867, acc = 0.908203125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.27235522866249084, acc = 0.9091796875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.3038768768310547, acc = 0.904296875
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.2790694534778595, acc = 0.91015625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.25566303730010986, acc = 0.919921875
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.2848135828971863, acc = 0.8994140625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.25396305322647095, acc = 0.91015625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.259050577878952, acc = 0.9228515625
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.24346232414245605, acc = 0.916015625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.25827163457870483, acc = 0.9169921875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.23820891976356506, acc = 0.9091796875
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.25728002190589905, acc = 0.9013671875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.27133655548095703, acc = 0.90234375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.24795372784137726, acc = 0.908203125
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.24276061356067657, acc = 0.931640625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.273614764213562, acc = 0.9111328125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.23936450481414795, acc = 0.9169921875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.24371260404586792, acc = 0.9169921875
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.28548529744148254, acc = 0.90234375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.25809550285339355, acc = 0.91015625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.2247563600540161, acc = 0.91796875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.22039978206157684, acc = 0.9150390625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.2416464388370514, acc = 0.9267578125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.26580938696861267, acc = 0.896484375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.24941685795783997, acc = 0.9228515625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.21992036700248718, acc = 0.9287109375
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.25283974409103394, acc = 0.9130859375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.2706120014190674, acc = 0.908203125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.27961817383766174, acc = 0.900390625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.255135178565979, acc = 0.91796875
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.259848415851593, acc = 0.9052734375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.2523181438446045, acc = 0.916015625
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.20071972906589508, acc = 0.939453125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.2466193437576294, acc = 0.9150390625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.2391238808631897, acc = 0.9169921875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.2673799991607666, acc = 0.9052734375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.255113810300827, acc = 0.9169921875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.23347027599811554, acc = 0.919921875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.2886752486228943, acc = 0.8994140625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.24115094542503357, acc = 0.927734375
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.25539320707321167, acc = 0.9072265625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.2928920090198517, acc = 0.90234375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.29510006308555603, acc = 0.90625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.2709076702594757, acc = 0.916015625
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.23275062441825867, acc = 0.923828125
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.27405649423599243, acc = 0.908203125
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.26811692118644714, acc = 0.9111328125
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.22626468539237976, acc = 0.9189453125
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.24105286598205566, acc = 0.912109375
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.24601897597312927, acc = 0.9033203125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.2645045220851898, acc = 0.9072265625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.2447628676891327, acc = 0.91796875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.2641308307647705, acc = 0.904296875
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.26280322670936584, acc = 0.90625

Epoch 96/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.3352871835231781, acc = 0.900390625
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.2799442410469055, acc = 0.90625
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.2672683298587799, acc = 0.9140625
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.25847333669662476, acc = 0.9111328125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.2463562786579132, acc = 0.9189453125
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.2599807679653168, acc = 0.9111328125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.2666946053504944, acc = 0.9150390625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.290812611579895, acc = 0.900390625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.28034672141075134, acc = 0.916015625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.2330598384141922, acc = 0.919921875
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.26837727427482605, acc = 0.91015625
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.260349839925766, acc = 0.9130859375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.22993478178977966, acc = 0.9208984375
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.23433877527713776, acc = 0.919921875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.23082765936851501, acc = 0.9267578125
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.27827438712120056, acc = 0.9013671875
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.2628963887691498, acc = 0.9130859375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.2775953710079193, acc = 0.9111328125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.26027345657348633, acc = 0.9169921875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.24676059186458588, acc = 0.9150390625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.28196877241134644, acc = 0.9072265625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.2817062437534332, acc = 0.9033203125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.25387006998062134, acc = 0.9130859375
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.2369098663330078, acc = 0.91015625
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.28283044695854187, acc = 0.9111328125
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.26497265696525574, acc = 0.9072265625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.2797856330871582, acc = 0.912109375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.2938156723976135, acc = 0.900390625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.27998846769332886, acc = 0.9072265625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.2621336579322815, acc = 0.908203125
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.25455498695373535, acc = 0.9130859375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.3027234673500061, acc = 0.8955078125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.2435322403907776, acc = 0.9150390625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.25098007917404175, acc = 0.9189453125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.26781630516052246, acc = 0.90625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.2261056900024414, acc = 0.919921875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.23905049264431, acc = 0.9140625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.2546851336956024, acc = 0.908203125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.27179867029190063, acc = 0.9130859375
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.26340749859809875, acc = 0.90625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.22734403610229492, acc = 0.921875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.2466297298669815, acc = 0.921875
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.2743499279022217, acc = 0.9072265625
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.25638651847839355, acc = 0.912109375
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.2217586785554886, acc = 0.9248046875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.2275388538837433, acc = 0.921875
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.26442235708236694, acc = 0.8994140625
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.24800491333007812, acc = 0.916015625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.21753354370594025, acc = 0.927734375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.2459111511707306, acc = 0.9111328125
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.24021223187446594, acc = 0.91796875
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.27132469415664673, acc = 0.9033203125
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.2529478073120117, acc = 0.916015625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.20911908149719238, acc = 0.927734375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.2519502341747284, acc = 0.919921875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.2597242593765259, acc = 0.916015625
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.2852483093738556, acc = 0.8984375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.2892991006374359, acc = 0.9033203125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.2060149908065796, acc = 0.9326171875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.25010445713996887, acc = 0.921875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.27164584398269653, acc = 0.90234375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.31883692741394043, acc = 0.8984375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.23072925209999084, acc = 0.9208984375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2418031245470047, acc = 0.921875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.2569875121116638, acc = 0.90234375
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.24244283139705658, acc = 0.9150390625
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.2813149094581604, acc = 0.9033203125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.24920807778835297, acc = 0.9169921875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.24552133679389954, acc = 0.9140625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.29408034682273865, acc = 0.90234375
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.24204175174236298, acc = 0.9189453125
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.23780399560928345, acc = 0.916015625
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.3001258373260498, acc = 0.908203125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.2883293628692627, acc = 0.900390625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.29068875312805176, acc = 0.8955078125
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.27336496114730835, acc = 0.908203125
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.2607824206352234, acc = 0.9140625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.253724068403244, acc = 0.9150390625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.2611273229122162, acc = 0.904296875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.2509136199951172, acc = 0.9111328125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.26804861426353455, acc = 0.9013671875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.2745969891548157, acc = 0.9033203125
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.24075868725776672, acc = 0.916015625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.25143036246299744, acc = 0.9091796875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.2951621413230896, acc = 0.8916015625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.22870661318302155, acc = 0.9287109375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.2617819905281067, acc = 0.9140625
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.3109759986400604, acc = 0.890625
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.2557024657726288, acc = 0.9189453125
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.26322096586227417, acc = 0.9072265625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.28488168120384216, acc = 0.90234375
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.2534521818161011, acc = 0.9111328125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.2544387876987457, acc = 0.916015625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.23830893635749817, acc = 0.91796875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.22918517887592316, acc = 0.927734375
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.24102455377578735, acc = 0.916015625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.2606409788131714, acc = 0.9140625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.2450845092535019, acc = 0.923828125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.3054875135421753, acc = 0.8896484375
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.25700268149375916, acc = 0.904296875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.27239862084388733, acc = 0.90625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.26242977380752563, acc = 0.912109375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.2786381244659424, acc = 0.9208984375
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.23816025257110596, acc = 0.9248046875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.21836909651756287, acc = 0.9287109375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.25355249643325806, acc = 0.9150390625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.26386743783950806, acc = 0.90625
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.25797250866889954, acc = 0.9130859375
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.2636794149875641, acc = 0.91015625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.241177499294281, acc = 0.921875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.28799837827682495, acc = 0.90234375
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.2450176328420639, acc = 0.9189453125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.2665178179740906, acc = 0.91015625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.2564113438129425, acc = 0.9287109375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.26697802543640137, acc = 0.916015625
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.28368303179740906, acc = 0.904296875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.2532748579978943, acc = 0.9091796875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.25134775042533875, acc = 0.904296875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.2581549286842346, acc = 0.91796875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.24145400524139404, acc = 0.919921875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.2568821609020233, acc = 0.9072265625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.22860799729824066, acc = 0.91796875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.27586081624031067, acc = 0.9013671875
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.26789483428001404, acc = 0.90625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.28955864906311035, acc = 0.90625
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.2617514133453369, acc = 0.9130859375

Epoch 97/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.3144505023956299, acc = 0.908203125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.2821943759918213, acc = 0.9052734375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.28078973293304443, acc = 0.9091796875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.2779914140701294, acc = 0.916015625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.26428186893463135, acc = 0.916015625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.2372448444366455, acc = 0.92578125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.2331417053937912, acc = 0.927734375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.2877039909362793, acc = 0.9072265625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.2584112882614136, acc = 0.9140625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.23703636229038239, acc = 0.9150390625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.24811585247516632, acc = 0.91796875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.26464271545410156, acc = 0.9111328125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.2399231642484665, acc = 0.9150390625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.263078898191452, acc = 0.91796875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.25130367279052734, acc = 0.9072265625
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.25470972061157227, acc = 0.9072265625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.28341376781463623, acc = 0.912109375
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.23512721061706543, acc = 0.92578125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.25215277075767517, acc = 0.9169921875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.26108601689338684, acc = 0.91015625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.29349952936172485, acc = 0.9033203125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.278489351272583, acc = 0.91015625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.26668012142181396, acc = 0.90625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.22957371175289154, acc = 0.92578125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.24973903596401215, acc = 0.916015625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.2479189932346344, acc = 0.9306640625
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.29291680455207825, acc = 0.8994140625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.2820226550102234, acc = 0.90234375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.28888416290283203, acc = 0.9013671875
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.2618675231933594, acc = 0.9091796875
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.27524954080581665, acc = 0.9013671875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.29768314957618713, acc = 0.90234375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.2234124094247818, acc = 0.92578125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.2626335918903351, acc = 0.916015625
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.29473447799682617, acc = 0.904296875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.23192453384399414, acc = 0.9248046875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.19511570036411285, acc = 0.9384765625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.2527080178260803, acc = 0.912109375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.23289448022842407, acc = 0.919921875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.22146853804588318, acc = 0.9306640625
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.244399294257164, acc = 0.912109375
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.2774151563644409, acc = 0.89453125
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.2686464190483093, acc = 0.9111328125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.2547050714492798, acc = 0.9189453125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.22070151567459106, acc = 0.9208984375
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.22283433377742767, acc = 0.9267578125
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.2630574703216553, acc = 0.908203125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.2302549034357071, acc = 0.9208984375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.25799447298049927, acc = 0.9130859375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.20682045817375183, acc = 0.9287109375
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.23938407003879547, acc = 0.916015625
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.25205227732658386, acc = 0.912109375
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.2491999715566635, acc = 0.919921875
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.19756773114204407, acc = 0.93359375
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.2584932744503021, acc = 0.9169921875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.2821897864341736, acc = 0.8974609375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.26645559072494507, acc = 0.908203125
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.29875248670578003, acc = 0.8935546875
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.23735427856445312, acc = 0.9267578125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.26851803064346313, acc = 0.912109375
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.2475677728652954, acc = 0.916015625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.29375359416007996, acc = 0.90234375
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.2556498050689697, acc = 0.912109375
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.21593458950519562, acc = 0.9326171875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.26739272475242615, acc = 0.91796875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.26019954681396484, acc = 0.9091796875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.2617444694042206, acc = 0.9150390625
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.25930485129356384, acc = 0.908203125
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.25272807478904724, acc = 0.9091796875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.2504436671733856, acc = 0.9189453125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.26115748286247253, acc = 0.9140625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.2282978892326355, acc = 0.9267578125
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.2865089178085327, acc = 0.908203125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.2568541467189789, acc = 0.919921875
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.2930923402309418, acc = 0.900390625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.2571975886821747, acc = 0.9140625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.2704618573188782, acc = 0.90625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.2771680951118469, acc = 0.90234375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.2666628360748291, acc = 0.904296875
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.2601631283760071, acc = 0.904296875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.2643090486526489, acc = 0.9013671875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.2423088252544403, acc = 0.9248046875
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.2443867027759552, acc = 0.9130859375
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.2667318284511566, acc = 0.9169921875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.25933653116226196, acc = 0.90625
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.28533726930618286, acc = 0.90234375
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.2686789333820343, acc = 0.9033203125
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.2540009021759033, acc = 0.9169921875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.23545819520950317, acc = 0.91796875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.25727540254592896, acc = 0.91015625
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.23311054706573486, acc = 0.919921875
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.22530458867549896, acc = 0.9150390625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.23260445892810822, acc = 0.91796875
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.23108285665512085, acc = 0.9248046875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.24394136667251587, acc = 0.9169921875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.2770092785358429, acc = 0.9052734375
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.2655351161956787, acc = 0.9150390625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.28158295154571533, acc = 0.9013671875
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.24922893941402435, acc = 0.9150390625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.25015711784362793, acc = 0.9091796875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.24657541513442993, acc = 0.91015625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.25819867849349976, acc = 0.90625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.275880366563797, acc = 0.9091796875
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.22976994514465332, acc = 0.9248046875
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.23551394045352936, acc = 0.9189453125
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.2363431751728058, acc = 0.916015625
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.2384808510541916, acc = 0.921875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.2445819228887558, acc = 0.9111328125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.2755230963230133, acc = 0.8935546875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.24990954995155334, acc = 0.9326171875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.2768440842628479, acc = 0.9013671875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.24763989448547363, acc = 0.9189453125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.22103330492973328, acc = 0.927734375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.2658729553222656, acc = 0.9208984375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.2461768388748169, acc = 0.9130859375
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.27885711193084717, acc = 0.904296875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.2543463110923767, acc = 0.91015625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.2695639133453369, acc = 0.9072265625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.23644575476646423, acc = 0.921875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.21852703392505646, acc = 0.9228515625
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.27235716581344604, acc = 0.9033203125
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.21930141746997833, acc = 0.9189453125
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.24429935216903687, acc = 0.9150390625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.24913384020328522, acc = 0.904296875
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.2682589888572693, acc = 0.9052734375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.29037657380104065, acc = 0.904296875

Epoch 98/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.37346723675727844, acc = 0.8857421875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.2392529547214508, acc = 0.921875
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.26306837797164917, acc = 0.9111328125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.2749750018119812, acc = 0.90625
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.27317628264427185, acc = 0.91015625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.24213407933712006, acc = 0.9189453125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.20986616611480713, acc = 0.9189453125
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.2710506021976471, acc = 0.91015625
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.2615413963794708, acc = 0.9150390625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.22653472423553467, acc = 0.9287109375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.2512557804584503, acc = 0.9111328125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.21896275877952576, acc = 0.93359375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.22982102632522583, acc = 0.92578125
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.24585933983325958, acc = 0.921875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.21834442019462585, acc = 0.9287109375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.2676331400871277, acc = 0.9130859375
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.25531163811683655, acc = 0.91796875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.26014360785484314, acc = 0.9130859375
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.2535289525985718, acc = 0.921875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.25537097454071045, acc = 0.916015625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.25653591752052307, acc = 0.916015625
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.2765776813030243, acc = 0.9052734375
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.27164536714553833, acc = 0.9111328125
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.23060977458953857, acc = 0.919921875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.24448421597480774, acc = 0.9228515625
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.27524176239967346, acc = 0.9091796875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.29637646675109863, acc = 0.8994140625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.2973555326461792, acc = 0.8984375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.2785142958164215, acc = 0.9072265625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.26041120290756226, acc = 0.90625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.266975462436676, acc = 0.90234375
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.27148786187171936, acc = 0.908203125
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.23348435759544373, acc = 0.9189453125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.26902875304222107, acc = 0.8984375
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.27258673310279846, acc = 0.9091796875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.23086921870708466, acc = 0.9248046875
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.22051474452018738, acc = 0.927734375
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.24488210678100586, acc = 0.9228515625
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.228120356798172, acc = 0.9306640625
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.2664697468280792, acc = 0.9052734375
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.23874974250793457, acc = 0.9228515625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.24397191405296326, acc = 0.9287109375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.29186904430389404, acc = 0.8955078125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.2469860017299652, acc = 0.9111328125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.24448280036449432, acc = 0.919921875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.2079027146100998, acc = 0.931640625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.24174118041992188, acc = 0.9189453125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.237497016787529, acc = 0.9189453125
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.2425519973039627, acc = 0.9208984375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.22735504806041718, acc = 0.921875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.2675703167915344, acc = 0.9111328125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.2306642234325409, acc = 0.9169921875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.21898657083511353, acc = 0.923828125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.2044227123260498, acc = 0.931640625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.2645717263221741, acc = 0.904296875
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.24110212922096252, acc = 0.912109375
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.27717268466949463, acc = 0.9052734375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.2631545066833496, acc = 0.912109375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.18286354839801788, acc = 0.9365234375
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.2278018295764923, acc = 0.9189453125
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.223052516579628, acc = 0.9306640625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.25571775436401367, acc = 0.9150390625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.23674601316452026, acc = 0.9111328125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.2203449010848999, acc = 0.91796875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.2586105465888977, acc = 0.9091796875
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.27063173055648804, acc = 0.908203125
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.21380683779716492, acc = 0.9267578125
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.2730523943901062, acc = 0.912109375
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.21936140954494476, acc = 0.923828125
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.26314347982406616, acc = 0.9189453125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.2363426387310028, acc = 0.9208984375
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.21682658791542053, acc = 0.927734375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.2698562443256378, acc = 0.91796875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.27058231830596924, acc = 0.91015625
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.27373695373535156, acc = 0.90234375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.23608843982219696, acc = 0.91796875
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.23365040123462677, acc = 0.9228515625
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.22754395008087158, acc = 0.92578125
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.23435160517692566, acc = 0.9140625
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.24207726120948792, acc = 0.919921875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.22998318076133728, acc = 0.9248046875
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.23849108815193176, acc = 0.912109375
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.248506098985672, acc = 0.9140625
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.2824912965297699, acc = 0.9013671875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.25246453285217285, acc = 0.9130859375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.2749059200286865, acc = 0.9140625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.25807565450668335, acc = 0.927734375
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.24141493439674377, acc = 0.9189453125
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.25921201705932617, acc = 0.91015625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.24420103430747986, acc = 0.923828125
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.24418655037879944, acc = 0.9150390625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.28169724345207214, acc = 0.904296875
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.25904199481010437, acc = 0.9140625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.2602827250957489, acc = 0.90625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.24037635326385498, acc = 0.9189453125
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.2668793201446533, acc = 0.91796875
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.25812849402427673, acc = 0.916015625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.26613450050354004, acc = 0.90625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.2736760675907135, acc = 0.900390625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.24926495552062988, acc = 0.9091796875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.24187159538269043, acc = 0.9072265625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.2981360852718353, acc = 0.8974609375
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.2730446457862854, acc = 0.9033203125
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.23090508580207825, acc = 0.9267578125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.1994670033454895, acc = 0.935546875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.2493133395910263, acc = 0.92578125
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.2386622428894043, acc = 0.91796875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.24741804599761963, acc = 0.923828125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.2739683985710144, acc = 0.91015625
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.25557276606559753, acc = 0.92578125
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.2563861906528473, acc = 0.916015625
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.2357320785522461, acc = 0.923828125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.25625184178352356, acc = 0.916015625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.2645834684371948, acc = 0.912109375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.25168490409851074, acc = 0.91796875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.24590378999710083, acc = 0.9189453125
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.23986676335334778, acc = 0.919921875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.22089238464832306, acc = 0.916015625
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.23838524520397186, acc = 0.9208984375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.22040089964866638, acc = 0.927734375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.2501189708709717, acc = 0.9091796875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.22554241120815277, acc = 0.91796875
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.23599189519882202, acc = 0.9228515625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.2892860472202301, acc = 0.8974609375
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.2754858434200287, acc = 0.9111328125
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.28375786542892456, acc = 0.8974609375

Epoch 99/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.36166250705718994, acc = 0.888671875
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.2581670880317688, acc = 0.9111328125
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.26459047198295593, acc = 0.91796875
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.25180304050445557, acc = 0.9189453125
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.2604759931564331, acc = 0.916015625
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.24656778573989868, acc = 0.92578125
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.2443586140871048, acc = 0.9130859375
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.2632489800453186, acc = 0.908203125
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.27302420139312744, acc = 0.9052734375
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.2079717516899109, acc = 0.9306640625
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.24961140751838684, acc = 0.908203125
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.2464430332183838, acc = 0.9130859375
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.24243350327014923, acc = 0.9140625
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.21857371926307678, acc = 0.93359375
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.2337721735239029, acc = 0.9208984375
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.24281436204910278, acc = 0.92578125
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.24089941382408142, acc = 0.9169921875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.23983386158943176, acc = 0.9228515625
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.2516714334487915, acc = 0.921875
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.249137744307518, acc = 0.9169921875
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.2996182441711426, acc = 0.9013671875
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.2750784158706665, acc = 0.9033203125
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.2795959413051605, acc = 0.9013671875
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.2241239696741104, acc = 0.919921875
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.23725758492946625, acc = 0.9208984375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.2539902925491333, acc = 0.9169921875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.2525821924209595, acc = 0.9130859375
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.2504425644874573, acc = 0.9130859375
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.2456859052181244, acc = 0.9228515625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.27188724279403687, acc = 0.90625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.23949439823627472, acc = 0.9228515625
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.23747731745243073, acc = 0.916015625
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.24818097054958344, acc = 0.9189453125
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.2961289882659912, acc = 0.89453125
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.27626022696495056, acc = 0.91015625
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.2195235937833786, acc = 0.9228515625
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.2188698798418045, acc = 0.9248046875
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.2265813648700714, acc = 0.9208984375
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.22162629663944244, acc = 0.919921875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.2512243092060089, acc = 0.9111328125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.22316771745681763, acc = 0.91015625
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.2236313372850418, acc = 0.9287109375
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.30665236711502075, acc = 0.8935546875
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.25534072518348694, acc = 0.9033203125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.21368589997291565, acc = 0.935546875
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.245136097073555, acc = 0.9208984375
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.2527543008327484, acc = 0.9130859375
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.21705688536167145, acc = 0.9287109375
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.21626341342926025, acc = 0.92578125
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.2506931722164154, acc = 0.916015625
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.26481181383132935, acc = 0.9052734375
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.25962337851524353, acc = 0.9140625
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.28067782521247864, acc = 0.90625
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.1952984631061554, acc = 0.9384765625
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.2414962649345398, acc = 0.9150390625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.26194313168525696, acc = 0.9169921875
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.2475994974374771, acc = 0.91796875
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.26486214995384216, acc = 0.9033203125
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.19075557589530945, acc = 0.9345703125
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.23905926942825317, acc = 0.9228515625
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.21645097434520721, acc = 0.927734375
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.29865947365760803, acc = 0.8916015625
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.24438317120075226, acc = 0.9189453125
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.25226300954818726, acc = 0.91796875
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.2489561140537262, acc = 0.9228515625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.25183039903640747, acc = 0.91796875
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.24265509843826294, acc = 0.9091796875
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.25835973024368286, acc = 0.904296875
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.25491786003112793, acc = 0.916015625
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.2746216654777527, acc = 0.908203125
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.22645337879657745, acc = 0.9150390625
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.26389560103416443, acc = 0.9130859375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.2925393879413605, acc = 0.9033203125
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.27865222096443176, acc = 0.8984375
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.28988802433013916, acc = 0.896484375
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.27210450172424316, acc = 0.90625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.2861909866333008, acc = 0.8974609375
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.256633460521698, acc = 0.912109375
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.2542671859264374, acc = 0.9111328125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.22514939308166504, acc = 0.9189453125
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.24922287464141846, acc = 0.9072265625
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.2632327079772949, acc = 0.9072265625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.25089117884635925, acc = 0.908203125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.28672683238983154, acc = 0.9091796875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.3013894557952881, acc = 0.8876953125
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.2628227472305298, acc = 0.9150390625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.25874221324920654, acc = 0.91796875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.28148508071899414, acc = 0.9091796875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.24841541051864624, acc = 0.9228515625
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.24577175080776215, acc = 0.9130859375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.23855292797088623, acc = 0.916015625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.25998762249946594, acc = 0.91015625
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.2533034086227417, acc = 0.916015625
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.25594305992126465, acc = 0.916015625
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.25709980726242065, acc = 0.916015625
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.25183457136154175, acc = 0.90625
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.22479607164859772, acc = 0.93359375
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.24343934655189514, acc = 0.91015625
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.265595942735672, acc = 0.9150390625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.23382408916950226, acc = 0.9111328125
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.2583136558532715, acc = 0.9140625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.26885107159614563, acc = 0.8994140625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.25310081243515015, acc = 0.9228515625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.2259160578250885, acc = 0.9189453125
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.2560906410217285, acc = 0.9052734375
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.2598609924316406, acc = 0.9169921875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.2522503137588501, acc = 0.9169921875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.22987286746501923, acc = 0.923828125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.24342143535614014, acc = 0.921875
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.2461935132741928, acc = 0.921875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.29738157987594604, acc = 0.9033203125
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.2621450126171112, acc = 0.91796875
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.2560117840766907, acc = 0.9052734375
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.25837430357933044, acc = 0.916015625
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.24650529026985168, acc = 0.9091796875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.24999850988388062, acc = 0.9130859375
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.24375459551811218, acc = 0.919921875
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.2378491461277008, acc = 0.921875
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.21637465059757233, acc = 0.9326171875
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.22268587350845337, acc = 0.919921875
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.25199177861213684, acc = 0.9150390625
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.2550315856933594, acc = 0.9052734375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.25045958161354065, acc = 0.9228515625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.23664890229701996, acc = 0.9150390625
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.26493215560913086, acc = 0.90234375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.2520228922367096, acc = 0.9091796875

Epoch 100/100
[[51. 25.  1. ... 28.  0. 40.]
 [84. 29. 61. ... 29.  1. 34.]
 [47. 75. 58. ... 32. 33.  1.]
 ...
 [ 3. 29. 17. ... 22.  0. 47.]
 [22.  3. 28. ... 28. 84.  3.]
 [ 3. 33. 17. ...  3. 31.  3.]]
Batch 1: loss = 0.3261563777923584, acc = 0.89453125
[[25. 21. 14. ...  3. 28.  3.]
 [29. 61. 84. ...  1. 31. 33.]
 [28. 17. 34. ... 64. 84.  3.]
 ...
 [25. 41. 72. ... 78. 76. 66.]
 [31.  3. 63. ...  3. 28.  3.]
 [61. 17. 63. ...  0. 47. 25.]]
Batch 2: loss = 0.26036950945854187, acc = 0.896484375
[[62. 60. 60. ... 60. 62.  1.]
 [28. 84.  0. ... 29. 84.  3.]
 [30.  3. 64. ...  1. 29. 17.]
 ...
 [60.  1. 31. ... 30.  0.  3.]
 [60. 17. 60. ... 17. 61. 84.]
 [50. 58. 68. ... 66. 58.  1.]]
Batch 3: loss = 0.25394317507743835, acc = 0.9111328125
[[58. 64. 26. ...  3. 28. 22.]
 [30.  3. 62. ...  1. 17. 18.]
 [28. 84.  3. ...  3. 31. 70.]
 ...
 [30.  3. 60. ... 34. 32.  1.]
 [ 3. 31.  3. ... 64. 63. 62.]
 [43. 65. 66. ...  3. 60. 17.]]
Batch 4: loss = 0.2888529896736145, acc = 0.9091796875
[[ 3. 60. 29. ...  3. 31.  3.]
 [ 0. 47. 25. ... 75. 66. 64.]
 [ 3. 58. 18. ... 62. 62. 63.]
 ...
 [33. 32. 31. ... 56. 34. 17.]
 [84.  3. 28. ... 61.  1.  3.]
 [29.  1.  3. ...  3. 61. 29.]]
Batch 5: loss = 0.2579159736633301, acc = 0.9208984375
[[61. 18.  1. ...  1. 29. 58.]
 [64. 76. 11. ... 28. 22.  3.]
 [84.  3. 30. ...  3. 30.  3.]
 ...
 [32.  1.  3. ... 28. 29. 60.]
 [29. 70.  3. ... 17. 62. 84.]
 [34.  1.  3. ... 70.  3. 62.]]
Batch 6: loss = 0.2296975702047348, acc = 0.9296875
[[75. 80. 62. ...  3. 28. 17.]
 [62. 17. 60. ... 29. 60. 84.]
 [62. 17. 61. ... 62.  1. 35.]
 ...
 [84.  3. 32. ... 28. 70.  3.]
 [ 3. 31.  3. ... 58. 77. 58.]
 [60. 28. 84. ... 31. 17. 29.]]
Batch 7: loss = 0.217868834733963, acc = 0.916015625
[[28. 84.  3. ...  1.  3. 34.]
 [ 3. 31.  3. ... 29. 60. 84.]
 [78. 71. 77. ... 25. 21. 14.]
 ...
 [28. 18.  1. ... 77. 77. 66.]
 [59. 58. 76. ... 29.  1. 28.]
 [ 1. 60. 17. ...  3. 28. 60.]]
Batch 8: loss = 0.30306684970855713, acc = 0.9013671875
[[ 3. 34. 18. ...  3. 34.  3.]
 [ 3. 31.  3. ...  1. 61. 17.]
 [23.  0. 38. ... 32. 70.  3.]
 ...
 [71. 64. 65. ... 30.  3. 58.]
 [34. 33. 84. ... 17. 25. 84.]
 [62.  1. 61. ...  1. 40. 78.]]
Batch 9: loss = 0.268361896276474, acc = 0.916015625
[[64. 17. 64. ...  1. 34. 17.]
 [25. 84.  0. ... 38. 62. 79.]
 [62. 60. 28. ... 62. 61. 60.]
 ...
 [18.  1. 64. ... 33.  3. 58.]
 [ 0. 43. 25. ...  3. 29. 29.]
 [76. 66. 60. ...  3. 61. 17.]]
Batch 10: loss = 0.24157527089118958, acc = 0.9208984375
[[33. 84. 84. ...  3. 28. 29.]
 [66. 71.  1. ... 30.  3. 28.]
 [ 1.  3. 31. ... 28.  1. 28.]
 ...
 [18.  1. 58. ... 61. 84.  3.]
 [29.  1. 29. ... 34. 84.  3.]
 [28.  1. 12. ... 17. 28.  1.]]
Batch 11: loss = 0.2701261043548584, acc = 0.9013671875
[[60. 84.  0. ... 29.  1. 62.]
 [34. 32. 84. ... 84.  3. 34.]
 [58. 64. 84. ...  0.  0.  0.]
 ...
 [31. 22.  3. ... 60.  1. 29.]
 [31. 22.  3. ... 70.  1. 40.]
 [12.  3. 28. ... 84.  3. 31.]]
Batch 12: loss = 0.2655285596847534, acc = 0.908203125
[[17. 62. 84. ... 62. 17. 62.]
 [ 3. 31. 34. ... 30.  3. 64.]
 [51. 25.  1. ...  1. 38. 66.]
 ...
 [17. 60. 84. ... 18.  1. 58.]
 [78. 76. 66. ... 33.  1. 34.]
 [ 3. 33. 34. ... 84. 54.  0.]]
Batch 13: loss = 0.21225693821907043, acc = 0.921875
[[84.  0.  3. ... 18.  0. 47.]
 [63. 62. 84. ... 28. 84.  3.]
 [75. 68. 73. ... 32. 84.  3.]
 ...
 [17. 56. 58. ... 58. 18. 84.]
 [17. 61. 84. ...  1. 12. 34.]
 [ 3. 32. 70. ... 70.  1. 40.]]
Batch 14: loss = 0.23519892990589142, acc = 0.9296875
[[25. 47. 65. ...  0. 40. 25.]
 [34.  3. 29. ... 58. 76. 62.]
 [34.  3. 31. ... 29. 11. 34.]
 ...
 [ 3. 34. 22. ...  1. 40. 78.]
 [17. 25. 25. ... 64. 58. 59.]
 [78. 76. 66. ... 29.  1.  3.]]
Batch 15: loss = 0.24058447778224945, acc = 0.9248046875
[[21. 14. 23. ... 22.  3.  1.]
 [ 0. 52. 25. ... 31.  1. 31.]
 [11.  1. 31. ... 30.  1.  3.]
 ...
 [76. 66. 60. ... 84.  3. 34.]
 [84.  3. 30. ... 72. 75.  1.]
 [32. 70.  3. ... 29. 17. 56.]]
Batch 16: loss = 0.2633262276649475, acc = 0.916015625
[[62. 17.  1. ...  1. 61. 17.]
 [32. 34. 84. ... 34.  1. 28.]
 [33.  3. 33. ...  1. 28. 17.]
 ...
 [ 3. 61. 56. ...  3. 32. 70.]
 [58.  1. 45. ... 28.  0. 84.]
 [60. 84. 54. ...  3. 32. 70.]]
Batch 17: loss = 0.2576908767223358, acc = 0.91796875
[[25. 84.  0. ...  3. 62. 17.]
 [29. 60. 84. ... 29. 34. 32.]
 [34. 84. 33. ... 33. 17. 28.]
 ...
 [ 3. 29. 34. ...  3. 30.  3.]
 [64. 84.  1. ... 84.  3. 34.]
 [ 3. 34. 17. ... 29. 18.  1.]]
Batch 18: loss = 0.26361599564552307, acc = 0.9111328125
[[ 1. 64. 84. ...  0. 51. 25.]
 [84.  3. 34. ... 34.  1. 28.]
 [84.  1.  3. ... 66. 71. 64.]
 ...
 [64. 63. 62. ... 63. 62.  1.]
 [ 3. 34. 17. ... 63. 17. 63.]
 [12. 29. 17. ... 12. 64. 17.]]
Batch 19: loss = 0.22119596600532532, acc = 0.9287109375
[[ 1. 19.  0. ...  1. 73.  1.]
 [34. 32. 84. ... 34. 32. 84.]
 [65. 58. 70. ... 25. 21. 14.]
 ...
 [ 3. 34.  3. ... 62. 79. 62.]
 [ 1. 63. 62. ... 84.  3. 28.]
 [63. 84. 64. ...  3. 29. 17.]]
Batch 20: loss = 0.28416121006011963, acc = 0.90625
[[19. 21. 11. ... 34.  3. 61.]
 [ 3. 28. 70. ... 34. 32. 31.]
 [23.  0. 38. ... 17. 29.  1.]
 ...
 [71.  1. 46. ...  1. 79. 66.]
 [22.  3. 58. ... 58. 77. 58.]
 [61. 84. 54. ... 40. 78. 76.]]
Batch 21: loss = 0.2729358375072479, acc = 0.9111328125
[[62. 61.  1. ... 60. 29. 28.]
 [ 1. 31. 17. ... 62. 79. 66.]
 [29. 28. 29. ... 64. 17. 64.]
 ...
 [58.  1. 52. ...  3. 29. 60.]
 [59. 58. 76. ...  3. 28.  3.]
 [66. 60.  1. ... 84.  3. 34.]]
Batch 22: loss = 0.24782752990722656, acc = 0.9228515625
[[84.  3. 34. ... 61. 64. 29.]
 [71.  1. 29. ... 62. 84.  3.]
 [ 1. 64. 18. ... 22.  3. 62.]
 ...
 [61.  1.  3. ... 64. 84.  1.]
 [28. 60. 62. ...  3. 58. 64.]
 [ 3. 34. 17. ... 31. 22.  3.]]
Batch 23: loss = 0.2641085386276245, acc = 0.91015625
[[84.  3. 28. ... 28. 22.  3.]
 [31.  3. 63. ... 17. 61.  1.]
 [61. 60. 84. ... 66. 60.  1.]
 ...
 [53. 16.  3. ...  3. 28.  3.]
 [63.  1.  3. ... 64. 58. 84.]
 [28. 29. 60. ... 28. 70.  3.]]
Batch 24: loss = 0.22860264778137207, acc = 0.923828125
[[63. 64. 62. ...  1. 31. 58.]
 [61. 17. 61. ... 58. 17. 58.]
 [31. 58. 77. ... 28.  1. 28.]
 ...
 [62. 63. 64. ... 62. 63. 64.]
 [ 3. 31.  3. ... 28.  3. 28.]
 [60. 61. 62. ...  1.  3. 31.]]
Batch 25: loss = 0.28128308057785034, acc = 0.9130859375
[[77. 58. 59. ... 84.  3. 32.]
 [84.  3. 28. ... 14. 64. 10.]
 [33. 28. 84. ... 28. 22.  3.]
 ...
 [84.  3. 28. ... 59. 58. 76.]
 [17. 25. 84. ... 45. 46. 30.]
 [22.  3. 61. ... 64. 58. 59.]]
Batch 26: loss = 0.23637554049491882, acc = 0.921875
[[22.  3. 29. ...  3. 29. 28.]
 [ 3. 62. 17. ...  3. 63. 17.]
 [62. 63. 64. ... 32. 32. 84.]
 ...
 [62.  0. 46. ...  3. 31.  3.]
 [31. 46.  1. ... 22.  3. 62.]
 [ 1. 64. 17. ... 58. 17. 64.]]
Batch 27: loss = 0.31829994916915894, acc = 0.87890625
[[29.  1.  3. ... 28. 84.  3.]
 [63. 84.  3. ... 18.  1.  3.]
 [ 3. 34.  3. ... 31.  3. 63.]
 ...
 [28. 33. 31. ...  3. 34. 18.]
 [61. 60. 84. ... 60. 84.  3.]
 [84.  3. 30. ... 34. 70.  3.]]
Batch 28: loss = 0.27688083052635193, acc = 0.90625
[[28.  3. 62. ...  3. 28.  3.]
 [34.  3. 61. ...  3. 31.  3.]
 [61. 61.  1. ... 25. 40. 66.]
 ...
 [ 1.  3. 29. ...  3. 29. 60.]
 [31.  3. 61. ...  1.  3. 28.]
 [64. 17. 34. ... 61. 60. 29.]]
Batch 29: loss = 0.25950199365615845, acc = 0.9140625
[[58. 62. 60. ... 25. 33. 72.]
 [63. 17. 64. ...  1. 46. 72.]
 [68. 62.  1. ... 28. 84.  3.]
 ...
 [28.  1.  3. ...  0.  3. 32.]
 [22.  3. 29. ... 17. 33. 84.]
 [ 1. 28. 34. ... 65. 58. 70.]]
Batch 30: loss = 0.28076326847076416, acc = 0.8994140625
[[75. 70. 58. ... 17. 29. 14.]
 [ 1. 29. 69. ... 33.  0. 40.]
 [34.  3. 29. ...  3. 34.  3.]
 ...
 [70.  3. 29. ... 34. 84.  3.]
 [ 3. 34.  3. ... 28.  3. 32.]
 [ 1. 40. 78. ... 84.  3. 28.]]
Batch 31: loss = 0.25459712743759155, acc = 0.9091796875
[[17. 84. 28. ... 40. 25. 21.]
 [25. 19. 14. ... 61. 17. 62.]
 [29. 34. 32. ...  1. 63. 61.]
 ...
 [31.  3. 33. ... 61. 66. 64.]
 [17. 28.  1. ... 62. 84.  0.]
 [ 3. 60. 18. ... 62.  1. 61.]]
Batch 32: loss = 0.29147154092788696, acc = 0.912109375
[[14. 23.  0. ...  1. 28. 34.]
 [ 1. 64. 63. ... 25. 29.  0.]
 [61. 84.  3. ...  3. 61. 18.]
 ...
 [ 0.  5.  1. ... 45. 72. 80.]
 [ 3. 31. 22. ... 18.  1. 61.]
 [60. 29. 84. ... 32. 28. 60.]]
Batch 33: loss = 0.2368207722902298, acc = 0.916015625
[[33. 84. 32. ... 31.  1. 32.]
 [84. 25. 61. ... 63. 84.  3.]
 [ 1. 61. 60. ...  3. 34. 29.]
 ...
 [62.  0. 40. ...  3. 62. 18.]
 [17. 84. 84. ... 43. 58. 78.]
 [ 1. 62. 61. ... 60. 29. 84.]]
Batch 34: loss = 0.30574357509613037, acc = 0.9013671875
[[31. 30. 84. ... 17. 63.  1.]
 [30. 14. 62. ...  3. 28. 70.]
 [29.  1.  3. ... 66. 75. 60.]
 ...
 [ 1.  3. 32. ... 84.  3. 28.]
 [69. 66. 71. ... 34.  3. 29.]
 [53. 16.  3. ... 50. 66. 63.]]
Batch 35: loss = 0.23363566398620605, acc = 0.921875
[[63. 62. 63. ... 17. 62. 84.]
 [ 3.  1. 28. ...  3. 34. 22.]
 [69. 62.  1. ... 79. 66. 58.]
 ...
 [ 3. 60. 62. ...  1. 31. 32.]
 [18.  1. 61. ...  3. 62. 17.]
 [62.  0.  5. ... 25. 21. 14.]]
Batch 36: loss = 0.20438605546951294, acc = 0.9345703125
[[84.  0. 38. ... 61. 60. 84.]
 [ 3.  1. 62. ...  0. 51. 25.]
 [ 1. 43. 65. ... 17. 33.  1.]
 ...
 [33. 84.  3. ... 18.  1. 12.]
 [28.  1. 29. ... 64. 17. 61.]
 [23.  0. 38. ... 32. 22.  3.]]
Batch 37: loss = 0.19816285371780396, acc = 0.9306640625
[[ 0. 43. 25. ... 60.  1. 31.]
 [ 1. 17. 23. ...  1. 16.  1.]
 [34. 33. 32. ...  3. 31. 22.]
 ...
 [29. 17. 32. ...  3. 28.  3.]
 [ 1. 62. 17. ... 28. 21. 12.]
 [32. 17. 32. ... 17. 84. 84.]]
Batch 38: loss = 0.24600209295749664, acc = 0.923828125
[[58. 77. 58. ... 70.  3. 33.]
 [73.  1. 19. ... 28. 22.  3.]
 [ 3. 61. 17. ... 33. 32. 84.]
 ...
 [28. 18.  1. ... 62.  1.  3.]
 [84. 28. 18. ...  1. 60. 17.]
 [ 0. 43. 25. ... 61. 29. 84.]]
Batch 39: loss = 0.23797579109668732, acc = 0.9248046875
[[34. 33.  1. ... 84.  0.  3.]
 [61. 63. 59. ... 31.  3. 61.]
 [ 3. 34.  3. ... 30.  3. 32.]
 ...
 [32.  3. 61. ... 76. 66. 60.]
 [61. 84.  3. ... 77. 66. 71.]
 [ 0.  3. 32. ...  3. 28.  3.]]
Batch 40: loss = 0.21643607318401337, acc = 0.9267578125
[[34.  3. 62. ... 33. 17. 28.]
 [18.  1. 61. ... 31.  3. 58.]
 [34. 32. 84. ...  3. 28.  3.]
 ...
 [ 1. 31. 58. ...  9.  3. 62.]
 [64. 65. 58. ...  0. 38. 25.]
 [32. 28. 60. ... 29. 84.  3.]]
Batch 41: loss = 0.23397326469421387, acc = 0.919921875
[[ 1. 61. 17. ... 33. 17. 32.]
 [18.  1.  3. ... 28. 22.  3.]
 [32. 28. 60. ...  3. 62. 18.]
 ...
 [17. 61.  1. ... 17. 60. 84.]
 [31.  0.  3. ... 34. 84.  3.]
 [28.  3. 28. ...  1. 31. 58.]]
Batch 42: loss = 0.25174084305763245, acc = 0.916015625
[[84.  3. 31. ... 34.  3. 29.]
 [28. 18. 84. ... 62. 63. 84.]
 [ 1. 62. 17. ... 25. 47. 65.]
 ...
 [ 0.  3. 32. ... 34. 17. 29.]
 [31.  3. 28. ...  3. 34. 60.]
 [77. 58. 59. ... 61. 84.  3.]]
Batch 43: loss = 0.2667025029659271, acc = 0.9111328125
[[18.  1. 61. ... 28. 17. 28.]
 [ 3. 29. 70. ... 70. 62.  0.]
 [62.  1. 30. ... 25. 21. 14.]
 ...
 [84.  3. 28. ... 28. 18.  1.]
 [34.  1. 60. ... 16.  3. 28.]
 [30.  3. 62. ...  3. 28. 70.]]
Batch 44: loss = 0.22988706827163696, acc = 0.92578125
[[84.  0.  3. ... 84.  3. 31.]
 [ 5.  1. 41. ...  0. 38. 25.]
 [23.  0. 38. ...  3. 28. 33.]
 ...
 [12. 28. 17. ... 32.  3. 29.]
 [22.  3. 34. ... 71. 64. 65.]
 [ 3. 60. 28. ... 33. 34. 84.]]
Batch 45: loss = 0.2225140929222107, acc = 0.9306640625
[[ 3. 31. 18. ... 59. 58. 76.]
 [28. 70.  0. ... 33.  3. 60.]
 [31. 84.  0. ...  3. 31.  3.]
 ...
 [18.  1. 12. ...  1. 64. 63.]
 [58. 70.  1. ... 84.  3. 32.]
 [ 0.  3. 28. ... 25. 50. 65.]]
Batch 46: loss = 0.21311523020267487, acc = 0.9306640625
[[62.  0. 52. ...  3. 62. 18.]
 [29. 28.  1. ...  3. 30.  3.]
 [63. 58. 61. ... 22.  3. 62.]
 ...
 [62. 84.  0. ... 84.  0.  0.]
 [70.  3. 34. ...  3. 61. 56.]
 [62. 71.  1. ... 66. 71.  1.]]
Batch 47: loss = 0.2579540014266968, acc = 0.9111328125
[[ 1. 62. 60. ... 28.  1.  3.]
 [60. 61. 62. ... 61. 60. 84.]
 [63. 64. 84. ... 41. 72. 77.]
 ...
 [ 0. 51. 25. ... 75. 66. 64.]
 [60. 61.  1. ... 60. 61.  1.]
 [29. 75. 66. ... 29. 60.  1.]]
Batch 48: loss = 0.20818333327770233, acc = 0.9306640625
[[32. 22.  3. ...  3. 31.  3.]
 [ 3. 32. 22. ... 66. 60.  1.]
 [77. 66. 71. ... 43. 25. 28.]
 ...
 [64. 76. 11. ... 29. 34. 32.]
 [ 3. 32. 70. ... 34. 33. 84.]
 [ 3. 31. 22. ... 34. 18.  1.]]
Batch 49: loss = 0.2120848298072815, acc = 0.927734375
[[28. 61. 63. ... 62. 14. 17.]
 [31. 58. 77. ...  3. 32. 70.]
 [ 0. 62. 14. ...  3. 28.  3.]
 ...
 [ 1. 32. 34. ... 28. 84.  3.]
 [ 3. 32. 70. ... 59. 58. 76.]
 [12. 34. 17. ... 34.  3. 34.]]
Batch 50: loss = 0.2126585990190506, acc = 0.9296875
[[58. 18. 14. ...  3. 58. 62.]
 [ 3. 64. 63. ... 70.  3. 62.]
 [60. 61. 60. ... 14. 17. 84.]
 ...
 [31.  3. 61. ... 63. 64. 84.]
 [62.  0. 52. ... 17. 34.  1.]
 [17. 28.  1. ... 84.  3. 31.]]
Batch 51: loss = 0.23658855259418488, acc = 0.92578125
[[62.  1. 62. ... 29.  1.  3.]
 [60. 28.  1. ...  3. 58. 64.]
 [ 3. 28.  3. ... 62.  1.  3.]
 ...
 [ 0.  3. 31. ... 65. 58. 71.]
 [ 3. 31. 22. ... 28. 33. 31.]
 [22.  3. 33. ... 70.  3. 61.]]
Batch 52: loss = 0.2235327661037445, acc = 0.9248046875
[[28.  3. 28. ... 29. 34. 29.]
 [63. 84.  3. ... 53. 16.  3.]
 [31.  3. 63. ... 58. 66. 71.]
 ...
 [62.  7. 76. ... 14. 23.  0.]
 [84.  3. 34. ... 34. 84.  3.]
 [17. 29.  1. ... 40. 78. 76.]]
Batch 53: loss = 0.2610347270965576, acc = 0.9189453125
[[84.  0.  3. ...  0. 51. 25.]
 [32. 70.  3. ...  1. 41. 72.]
 [62.  0.  5. ... 70.  0. 32.]
 ...
 [38. 25. 34. ... 34.  3. 61.]
 [32. 70.  3. ... 17. 33.  1.]
 [66. 60.  1. ...  3. 61. 29.]]
Batch 54: loss = 0.1897435188293457, acc = 0.939453125
[[ 1. 24.  0. ... 76.  1. 39.]
 [77. 77. 66. ...  3. 32. 28.]
 [84.  3. 28. ... 60. 84.  3.]
 ...
 [29. 34.  1. ... 84.  3. 34.]
 [34. 17.  3. ... 60. 61. 84.]
 [34.  1.  3. ...  3. 30.  3.]]
Batch 55: loss = 0.2361985445022583, acc = 0.916015625
[[ 1. 31. 72. ... 84.  3. 32.]
 [28.  1. 28. ... 84.  3. 28.]
 [32. 22.  3. ... 64. 17. 56.]
 ...
 [ 3. 61. 29. ... 61. 84.  3.]
 [ 3. 31.  3. ... 30.  3. 29.]
 [60. 61. 62. ... 64. 17. 58.]]
Batch 56: loss = 0.2267787754535675, acc = 0.9267578125
[[70.  3. 32. ... 63. 84. 62.]
 [70.  3. 62. ... 34. 34.  1.]
 [64. 84.  3. ... 84.  3. 28.]
 ...
 [30.  3. 62. ... 51. 25.  1.]
 [17. 60. 84. ...  5.  1. 41.]
 [84.  3. 32. ... 70.  3. 62.]]
Batch 57: loss = 0.2527436316013336, acc = 0.9130859375
[[17. 61.  1. ... 60. 84.  3.]
 [61. 34. 34. ... 28.  1. 28.]
 [70.  3. 60. ... 59. 69. 62.]
 ...
 [17. 23. 21. ... 71. 71. 62.]
 [72. 77. 77. ... 14. 17. 29.]
 [18.  1. 12. ... 65. 58. 70.]]
Batch 58: loss = 0.3004271388053894, acc = 0.8896484375
[[31.  3. 61. ... 78. 69. 66.]
 [17. 63. 84. ... 29. 61. 84.]
 [76.  0.  5. ...  0. 28. 84.]
 ...
 [61. 82. 11. ... 34. 17. 34.]
 [14. 17. 56. ... 18.  1. 28.]
 [ 1. 40. 78. ... 28. 70.  0.]]
Batch 59: loss = 0.22069452702999115, acc = 0.921875
[[71. 62.  1. ... 33. 32. 31.]
 [ 3. 28. 70. ... 78. 71. 72.]
 [ 3. 31.  3. ... 28. 28.  1.]
 ...
 [ 1. 34. 17. ... 70.  3. 61.]
 [33. 28. 84. ... 84. 25.  3.]
 [ 3. 28. 70. ... 56. 63. 64.]]
Batch 60: loss = 0.24614766240119934, acc = 0.919921875
[[ 1. 28. 34. ...  0. 31. 84.]
 [ 0.  5.  1. ... 40. 25. 21.]
 [61. 28. 28. ... 59. 59. 84.]
 ...
 [18.  1. 61. ...  1. 32. 18.]
 [33.  3. 28. ... 84. 58. 60.]
 [ 1. 62. 17. ... 34.  3. 61.]]
Batch 61: loss = 0.21986356377601624, acc = 0.9306640625
[[ 3. 34.  3. ... 31. 22.  3.]
 [14. 23.  0. ... 26. 29. 28.]
 [ 3. 31.  3. ...  1. 61. 62.]
 ...
 [84.  0.  3. ... 23. 22.  0.]
 [ 7. 58.  1. ... 51. 25.  1.]
 [29. 34.  1. ... 28.  1. 62.]]
Batch 62: loss = 0.280601441860199, acc = 0.9111328125
[[28. 29. 28. ... 64.  0.  5.]
 [84.  0.  3. ... 25.  0. 58.]
 [63. 84.  3. ... 61.  0.  5.]
 ...
 [47. 25. 47. ... 65. 58. 70.]
 [18. 15. 24. ... 45. 72. 80.]
 [28. 62. 84. ... 84. 62. 17.]]
Batch 63: loss = 0.2309385985136032, acc = 0.9248046875
[[ 1. 41. 72. ...  3. 61. 17.]
 [84.  3. 31. ...  1. 59. 58.]
 [ 1. 41. 72. ... 31. 33. 28.]
 ...
 [ 1. 40. 78. ... 34.  3. 64.]
 [62.  0. 40. ... 61. 60. 84.]
 [61.  1. 64. ...  3. 28. 70.]]
Batch 64: loss = 0.20026110112667084, acc = 0.931640625
[[59.  1. 59. ... 64.  1. 64.]
 [64. 84.  3. ... 66. 64.  0.]
 [84.  3. 31. ...  3. 31.  3.]
 ...
 [17. 34.  1. ... 30.  3. 32.]
 [ 0.  3. 34. ...  3. 30.  3.]
 [ 3. 62. 17. ...  0.  0. 51.]]
Batch 65: loss = 0.2522059679031372, acc = 0.916015625
[[17. 64. 84. ... 64.  1. 59.]
 [ 5.  1. 41. ... 84. 63. 14.]
 [61. 62. 61. ...  3. 62. 60.]
 ...
 [34. 34.  1. ... 61.  1. 61.]
 [60. 61. 62. ... 17. 60.  1.]
 [25.  1. 18. ... 78. 58. 69.]]
Batch 66: loss = 0.2528219223022461, acc = 0.9130859375
[[64. 62. 84. ... 84.  3. 34.]
 [17. 58. 18. ...  1. 29. 14.]
 [28.  1. 28. ...  1. 31. 33.]
 ...
 [29. 34. 84. ... 61. 62. 63.]
 [ 3. 31. 22. ... 77. 58. 59.]
 [11.  1. 79. ... 31. 17. 31.]]
Batch 67: loss = 0.22719351947307587, acc = 0.927734375
[[ 3. 34. 29. ... 77. 58. 59.]
 [17. 61. 18. ... 17. 61. 84.]
 [28. 84.  3. ... 41. 72. 77.]
 ...
 [84.  3. 32. ... 72. 77. 77.]
 [58. 76. 62. ... 64.  1. 63.]
 [84.  3. 30. ...  3. 29. 17.]]
Batch 68: loss = 0.24802625179290771, acc = 0.91015625
[[58. 76. 62. ... 32. 18.  1.]
 [ 3. 34.  3. ... 60. 29. 28.]
 [77. 66. 71. ... 38. 25. 31.]
 ...
 [66. 71. 64. ... 17. 84.  3.]
 [62. 61. 84. ... 62. 61.  1.]
 [28. 84.  3. ...  3. 29. 18.]]
Batch 69: loss = 0.20234863460063934, acc = 0.9296875
[[29. 17. 28. ... 30.  3. 34.]
 [84.  3. 31. ... 63. 64. 25.]
 [ 0. 29. 84. ... 84. 63. 62.]
 ...
 [31.  3. 58. ...  3. 31.  3.]
 [61. 17. 25. ... 31.  3. 31.]
 [ 1. 29. 60. ... 25. 84.  0.]]
Batch 70: loss = 0.26748231053352356, acc = 0.9072265625
[[17. 33. 84. ... 28. 18.  1.]
 [84.  0.  1. ... 76. 66. 60.]
 [61.  1. 28. ...  3. 28. 60.]
 ...
 [58. 59. 58. ... 58. 59. 58.]
 [33. 28.  1. ... 47. 25. 47.]
 [ 0.  0. 51. ... 58. 75. 75.]]
Batch 71: loss = 0.23562927544116974, acc = 0.9169921875
[[60. 17. 29. ... 72. 77. 77.]
 [ 1. 31. 58. ... 61. 84.  3.]
 [60.  1. 60. ... 61. 18.  1.]
 ...
 [ 1.  3. 28. ... 60. 29. 84.]
 [58. 70.  7. ... 28. 29.  0.]
 [ 1. 43. 65. ... 29. 84.  3.]]
Batch 72: loss = 0.2031806856393814, acc = 0.9365234375
[[66. 71. 64. ...  0. 29. 14.]
 [28. 70.  3. ...  3. 28. 70.]
 [12. 61. 17. ... 25. 47. 75.]
 ...
 [ 3. 31.  3. ... 61. 17. 60.]
 [40. 25. 21. ... 17. 62. 84.]
 [28.  3. 60. ...  3. 28.  3.]]
Batch 73: loss = 0.24480345845222473, acc = 0.919921875
[[17. 28. 14. ... 17. 29. 84.]
 [ 3. 62. 17. ... 62. 60. 84.]
 [58. 61. 11. ...  1.  3. 28.]
 ...
 [84.  3. 34. ... 22.  3. 32.]
 [ 3. 31. 70. ... 62. 17. 25.]
 [28. 11. 29. ... 61. 84.  3.]]
Batch 74: loss = 0.2389502078294754, acc = 0.92578125
[[ 0.  3. 34. ... 25. 29.  0.]
 [ 3. 34.  3. ...  3. 32. 22.]
 [ 3. 32. 33. ... 84.  0. 62.]
 ...
 [18.  1. 33. ... 29. 84.  3.]
 [84. 53. 17. ...  0.  3. 34.]
 [28.  3. 60. ... 32. 22.  3.]]
Batch 75: loss = 0.2744244635105133, acc = 0.91015625
[[84. 25. 29. ... 62. 29. 62.]
 [ 3. 61. 62. ... 77. 77. 66.]
 [84.  3. 31. ...  1. 61. 17.]
 ...
 [31.  3. 28. ... 61.  1. 46.]
 [22.  3. 64. ... 16. 17.  0.]
 [61. 17. 29. ...  1. 34. 17.]]
Batch 76: loss = 0.28032514452934265, acc = 0.900390625
[[ 1.  3. 32. ... 17. 25. 84.]
 [71. 64. 65. ...  1. 63. 17.]
 [60. 84.  0. ...  3. 60. 29.]
 ...
 [65. 66. 73. ... 25. 31.  0.]
 [47. 25. 31. ...  1. 32. 33.]
 [29. 84.  3. ... 32. 18. 84.]]
Batch 77: loss = 0.25587835907936096, acc = 0.9111328125
[[53. 17.  3. ... 58. 77. 58.]
 [58. 84.  3. ...  3. 64. 63.]
 [28. 84.  0. ...  0. 51. 25.]
 ...
 [28. 84.  3. ...  3. 62. 60.]
 [ 0. 52. 25. ... 28.  1.  3.]
 [ 3. 31.  3. ... 25.  1. 18.]]
Batch 78: loss = 0.30533212423324585, acc = 0.8994140625
[[59. 58. 76. ... 34.  3. 61.]
 [64.  1.  3. ... 29.  1. 29.]
 [ 1. 20. 23. ... 76. 77. 11.]
 ...
 [28. 84.  3. ... 70.  3. 59.]
 [28. 22.  3. ... 31.  3. 63.]
 [18. 19.  0. ... 43. 65. 66.]]
Batch 79: loss = 0.2157079577445984, acc = 0.923828125
[[62. 61.  1. ... 84.  3. 30.]
 [17. 29. 84. ...  3. 58. 63.]
 [ 1. 79. 66. ... 28. 62. 63.]
 ...
 [17. 64.  1. ... 61. 18.  1.]
 [17. 61.  1. ... 84.  3. 32.]
 [69.  1. 45. ... 28. 34.  1.]]
Batch 80: loss = 0.23752471804618835, acc = 0.921875
[[ 3. 28. 29. ... 62. 61. 29.]
 [61.  1.  3. ... 66. 60.  1.]
 [84.  3. 32. ... 84.  3. 31.]
 ...
 [12. 61. 17. ... 58. 59. 58.]
 [70.  3. 64. ...  1. 47. 58.]
 [ 3. 31. 22. ... 25. 84.  0.]]
Batch 81: loss = 0.24507778882980347, acc = 0.923828125
[[84.  3. 29. ... 34. 84.  3.]
 [31. 58. 77. ... 33.  1. 31.]
 [ 3. 58. 63. ...  1.  3. 29.]
 ...
 [76. 62.  0. ...  3. 63. 62.]
 [77. 77. 66. ... 21. 14. 23.]
 [61. 84.  3. ... 61. 84.  3.]]
Batch 82: loss = 0.23899304866790771, acc = 0.916015625
[[30.  3. 28. ... 66. 71. 64.]
 [33. 32. 12. ... 22.  3. 63.]
 [70.  3. 28. ... 28. 33. 28.]
 ...
 [61.  1. 28. ... 34.  3. 29.]
 [ 0. 38. 25. ...  3. 58. 28.]
 [30.  3. 62. ... 34.  3. 34.]]
Batch 83: loss = 0.24276351928710938, acc = 0.908203125
[[65. 58. 70. ... 28. 17. 28.]
 [26. 62. 63. ... 33.  1.  3.]
 [ 1. 61. 62. ...  1.  3. 28.]
 ...
 [17. 61.  1. ... 28. 17. 63.]
 [28.  1.  3. ... 64.  1. 58.]
 [28. 34.  1. ... 17. 62. 84.]]
Batch 84: loss = 0.2710798680782318, acc = 0.9169921875
[[84.  3. 34. ... 29. 34. 84.]
 [30. 70.  3. ... 31. 12. 33.]
 [22.  3. 33. ... 84.  3. 31.]
 ...
 [84.  3. 32. ... 84.  3. 31.]
 [17. 62. 84. ...  1. 63. 62.]
 [ 3. 34.  3. ...  1. 28.  1.]]
Batch 85: loss = 0.24093933403491974, acc = 0.9052734375
[[54.  0.  3. ... 17. 62. 84.]
 [28.  1. 29. ... 64. 84. 63.]
 [ 3. 28. 61. ... 40. 78. 76.]
 ...
 [ 3. 61. 18. ... 76. 62.  0.]
 [62. 84.  3. ... 66. 71. 64.]
 [50. 58. 71. ... 66. 77. 66.]]
Batch 86: loss = 0.2487039715051651, acc = 0.9150390625
[[ 3. 34.  3. ... 18. 84. 84.]
 [26. 62. 63. ...  1. 12. 63.]
 [66. 60.  1. ... 18. 28. 14.]
 ...
 [46. 25. 37. ... 62. 63. 64.]
 [65. 58. 70. ... 28. 84.  3.]
 [72. 71. 11. ... 60. 34. 32.]]
Batch 87: loss = 0.2502436339855194, acc = 0.919921875
[[ 0.  3. 34. ... 31.  3. 28.]
 [17. 59. 84. ... 62. 75. 62.]
 [17. 29. 14. ... 29. 60. 84.]
 ...
 [ 1.  3. 31. ...  3. 34.  3.]
 [34.  3. 29. ...  3. 28. 70.]
 [84. 26. 60. ... 25.  0. 33.]]
Batch 88: loss = 0.276045560836792, acc = 0.9013671875
[[17. 28. 84. ...  1.  8. 41.]
 [ 1. 30. 58. ... 69.  1. 45.]
 [ 0.  3. 31. ...  3. 61. 17.]
 ...
 [31. 34. 28. ... 18. 84.  3.]
 [ 3. 61. 62. ... 34. 84.  3.]
 [14. 17. 34. ...  3. 31.  3.]]
Batch 89: loss = 0.22918027639389038, acc = 0.9326171875
[[72. 75. 77. ... 14. 17. 84.]
 [72. 80. 62. ...  1. 61.  0.]
 [62.  1. 63. ... 14. 60. 10.]
 ...
 [31.  3. 28. ... 62. 18.  1.]
 [28. 70.  3. ... 59.  3.  3.]
 [28. 18.  1. ... 84.  3. 30.]]
Batch 90: loss = 0.23936530947685242, acc = 0.9130859375
[[ 3. 34.  3. ... 31. 84.  0.]
 [29. 34. 84. ... 29. 84.  3.]
 [ 3. 64. 17. ... 58. 76. 76.]
 ...
 [28. 29. 14. ... 28. 28. 84.]
 [33.  3. 64. ... 40. 78. 76.]
 [ 3. 64. 58. ... 31.  3. 61.]]
Batch 91: loss = 0.24729663133621216, acc = 0.9140625
[[ 3. 30.  3. ... 34.  1.  3.]
 [30.  3. 60. ...  3. 61. 62.]
 [ 1. 42.  7. ... 80. 62.  0.]
 ...
 [54.  0.  3. ...  0. 46. 25.]
 [66. 60.  1. ... 32. 84.  3.]
 [18.  1. 12. ...  0. 46. 25.]]
Batch 92: loss = 0.27882668375968933, acc = 0.908203125
[[29. 70.  3. ... 34.  3. 29.]
 [56. 64. 84. ... 77. 77. 66.]
 [40. 25. 21. ...  3. 60. 17.]
 ...
 [33. 47. 29. ... 31.  3. 61.]
 [31.  3. 33. ... 84.  0.  3.]
 [50. 72. 69. ...  1. 63. 62.]]
Batch 93: loss = 0.22507986426353455, acc = 0.9189453125
[[28. 34. 84. ...  5.  1. 41.]
 [71. 64. 65. ... 25. 28.  0.]
 [25. 84.  0. ... 58. 17. 63.]
 ...
 [62. 61.  1. ... 61. 29. 28.]
 [32. 70.  3. ... 63. 17. 58.]
 [61. 84.  0. ... 84. 63. 62.]]
Batch 94: loss = 0.24795517325401306, acc = 0.9248046875
[[72. 77. 77. ...  3. 34. 17.]
 [28. 84.  3. ...  1. 61. 17.]
 [ 1.  3. 30. ... 71.  1. 43.]
 ...
 [84.  3. 31. ... 28. 22.  3.]
 [ 1. 58. 63. ... 63. 84.  0.]
 [61.  1. 56. ... 61. 63.  1.]]
Batch 95: loss = 0.21548958122730255, acc = 0.9248046875
[[34.  1.  3. ... 17. 61.  1.]
 [63. 84.  3. ... 28. 17. 63.]
 [72. 80. 75. ...  1. 45. 72.]
 ...
 [58. 17. 28. ... 18.  0. 47.]
 [ 3. 31.  3. ... 25.  1. 18.]
 [28. 61. 63. ... 71. 68. 76.]]
Batch 96: loss = 0.2693050801753998, acc = 0.9111328125
[[ 3. 28. 70. ... 62. 63. 84.]
 [84.  3. 28. ... 56. 61. 62.]
 [80. 62.  0. ... 84.  3. 34.]
 ...
 [25. 46. 70. ... 14. 23.  0.]
 [16. 21.  0. ...  1. 73.  1.]
 [ 1. 72. 63. ... 14. 35. 37.]]
Batch 97: loss = 0.25920289754867554, acc = 0.9140625
[[64. 17. 64. ...  3. 31. 22.]
 [ 1. 58. 17. ... 17. 63.  1.]
 [70.  3. 61. ... 61. 17. 60.]
 ...
 [38. 25. 31. ...  1.  3. 28.]
 [16. 18. 19. ...  1. 32. 17.]
 [33.  0. 40. ...  3. 29. 61.]]
Batch 98: loss = 0.22309944033622742, acc = 0.92578125
[[ 3. 28. 33. ... 32. 84.  3.]
 [63. 62. 63. ... 61. 18.  1.]
 [84.  3. 34. ...  1. 63. 62.]
 ...
 [22.  3. 34. ... 29.  0. 84.]
 [60. 84.  3. ...  3. 29. 18.]
 [61.  1.  3. ...  3. 33. 32.]]
Batch 99: loss = 0.24688594043254852, acc = 0.916015625
[[28. 22.  3. ... 18.  1. 12.]
 [12. 61. 17. ... 59. 58. 76.]
 [63. 84.  3. ... 30. 22.  3.]
 ...
 [63. 14. 17. ... 28. 22. 14.]
 [ 1.  3. 28. ...  0.  3. 28.]
 [32.  1.  3. ... 58. 64. 84.]]
Batch 100: loss = 0.2892860770225525, acc = 0.904296875
[[34. 17. 25. ... 25. 31. 72.]
 [62.  0. 46. ... 25.  3. 31.]
 [60. 61. 60. ... 84. 34. 17.]
 ...
 [62.  3. 64. ... 64. 63.  1.]
 [ 3. 62. 60. ... 62. 84.  3.]
 [ 0.  3. 31. ... 84.  0.  0.]]
Batch 101: loss = 0.25231093168258667, acc = 0.916015625
[[71.  1. 40. ... 38. 25. 31.]
 [ 3. 31. 32. ... 70.  3. 28.]
 [34.  1. 34. ... 65. 58. 70.]
 ...
 [63. 62. 61. ... 10.  3. 58.]
 [31.  3. 63. ... 84.  3. 31.]
 [ 0. 51. 25. ... 58. 76. 62.]]
Batch 102: loss = 0.27075448632240295, acc = 0.90625
[[ 0. 28. 84. ... 33.  1.  3.]
 [34. 33. 84. ...  1. 61. 62.]
 [ 1. 40. 78. ... 60. 62.  1.]
 ...
 [64. 63.  1. ... 62.  0.  5.]
 [ 3. 61. 63. ...  1. 40. 78.]
 [ 0. 46. 25. ... 28.  3. 62.]]
Batch 103: loss = 0.25011223554611206, acc = 0.9150390625
[[34.  3. 34. ... 62. 17. 61.]
 [63. 84.  3. ... 84.  3. 32.]
 [ 3. 31. 70. ... 28. 60. 62.]
 ...
 [ 1. 41. 72. ... 38. 25. 28.]
 [76. 66. 60. ... 28. 28.  1.]
 [63. 58.  1. ... 84.  3. 31.]]
Batch 104: loss = 0.2372240424156189, acc = 0.9287109375
[[84.  3. 28. ... 29. 60. 84.]
 [70.  3. 32. ... 17. 28. 84.]
 [ 1.  3. 31. ... 18.  1. 12.]
 ...
 [ 0. 43. 25. ... 28. 17. 28.]
 [60. 28. 28. ... 29. 29.  1.]
 [ 3. 62. 63. ...  3. 28. 28.]]
Batch 105: loss = 0.20836809277534485, acc = 0.9296875
[[ 3. 31.  3. ... 58. 59. 58.]
 [ 3. 34.  3. ... 47. 65. 62.]
 [28. 17. 84. ...  1. 28. 64.]
 ...
 [ 1. 28. 34. ...  1. 60. 61.]
 [ 3. 28.  3. ...  3. 31.  3.]
 [28. 84.  3. ...  3. 28. 18.]]
Batch 106: loss = 0.23206035792827606, acc = 0.921875
[[76. 62.  0. ... 17. 33. 84.]
 [ 1. 30. 58. ... 14. 23.  0.]
 [28. 84. 57. ... 70. 58. 71.]
 ...
 [62. 84.  3. ...  3. 28. 14.]
 [63. 64. 58. ...  3. 62. 63.]
 [84.  3. 28. ... 60. 84.  3.]]
Batch 107: loss = 0.20915642380714417, acc = 0.9296875
[[ 3. 30. 14. ...  3. 28. 17.]
 [38. 25. 34. ... 34. 18.  1.]
 [ 0.  5.  1. ... 14. 23.  0.]
 ...
 [62.  3. 62. ...  1. 40. 78.]
 [62.  1.  3. ... 40. 78. 76.]
 [28.  3. 62. ...  1. 63. 62.]]
Batch 108: loss = 0.23648925125598907, acc = 0.923828125
[[60. 84.  3. ... 62. 61.  3.]
 [34. 28. 29. ...  3. 62. 14.]
 [38. 25. 34. ... 61. 17. 60.]
 ...
 [76. 66. 60. ... 34. 17. 34.]
 [66. 60.  1. ... 31.  3. 63.]
 [62. 84.  3. ... 62. 63. 63.]]
Batch 109: loss = 0.25012707710266113, acc = 0.9052734375
[[30. 14. 62. ... 14. 60.  3.]
 [17. 63. 14. ...  3. 31.  3.]
 [ 1. 29. 17. ... 32. 18.  1.]
 ...
 [ 1. 34. 17. ... 84.  0. 53.]
 [64. 58.  1. ...  3. 61. 60.]
 [ 1.  3. 28. ... 28. 84.  3.]]
Batch 110: loss = 0.21908091008663177, acc = 0.9296875
[[60.  1. 64. ...  1. 60.  7.]
 [61. 29. 28. ...  1. 41. 72.]
 [12. 32. 17. ... 18. 84.  3.]
 ...
 [17.  3. 34. ... 21. 84.  3.]
 [29. 84.  3. ...  1. 64. 17.]
 [31.  3. 63. ... 18. 84.  0.]]
Batch 111: loss = 0.24219220876693726, acc = 0.91796875
[[64. 62.  1. ... 47. 75. 58.]
 [77. 77. 66. ... 80. 62.  0.]
 [28. 70.  3. ...  3. 61. 17.]
 ...
 [31. 22.  3. ... 34. 84.  0.]
 [62. 84.  3. ...  3. 28.  3.]
 [ 3. 28.  3. ... 29. 60. 84.]]
Batch 112: loss = 0.2568317949771881, acc = 0.9189453125
[[61. 11.  1. ... 84. 54.  0.]
 [40. 25. 21. ... 84.  0.  3.]
 [34.  1. 34. ...  1. 60. 29.]
 ...
 [ 3. 33.  3. ... 25.  1. 17.]
 [28. 18.  1. ... 58. 76. 62.]
 [ 3. 28.  3. ...  7. 76.  1.]]
Batch 113: loss = 0.26658686995506287, acc = 0.9150390625
[[ 3. 34. 22. ... 31.  3. 26.]
 [29. 70.  3. ...  3. 61. 29.]
 [28. 84.  3. ... 28.  1. 29.]
 ...
 [24. 21.  0. ... 69.  1. 45.]
 [ 0. 46. 25. ... 62. 18. 14.]
 [44. 78. 58. ... 25. 21. 14.]]
Batch 114: loss = 0.22825169563293457, acc = 0.9208984375
[[28. 33. 31. ... 28. 17. 61.]
 [29.  1. 29. ... 28.  1.  3.]
 [17. 60. 84. ... 34.  1. 60.]
 ...
 [72. 80. 62. ... 31. 84.  3.]
 [17. 60. 14. ... 33. 14. 17.]
 [23.  0. 38. ...  1. 12.  3.]]
Batch 115: loss = 0.2551593780517578, acc = 0.9169921875
[[84.  3. 34. ...  0. 26. 33.]
 [34.  3. 29. ... 29.  1. 29.]
 [17. 62. 84. ...  0.  0. 51.]
 ...
 [30.  3. 32. ... 31. 34. 29.]
 [32. 84.  0. ...  3. 64. 18.]
 [30. 70.  3. ... 29. 11. 31.]]
Batch 116: loss = 0.2635554373264313, acc = 0.9091796875
[[31. 33.  1. ... 71. 64. 65.]
 [25. 84.  0. ... 75. 75.  1.]
 [25.  1. 21. ... 28. 11.  1.]
 ...
 [84. 61. 29. ...  3. 31. 17.]
 [14. 17. 62. ... 17. 64. 62.]
 [33.  1. 29. ... 60. 28. 60.]]
Batch 117: loss = 0.25137415528297424, acc = 0.9140625
[[58. 70.  1. ... 32. 28. 60.]
 [43. 65. 66. ... 62. 17. 61.]
 [79. 66. 58. ... 84.  3. 34.]
 ...
 [33. 84.  3. ... 34.  1. 32.]
 [ 1.  3. 28. ... 14. 17. 32.]
 [84. 62. 17. ... 84.  3. 29.]]
Batch 118: loss = 0.23313957452774048, acc = 0.9130859375
[[ 1. 62. 17. ... 58. 17. 63.]
 [84.  1.  3. ... 70.  3. 64.]
 [ 3. 29. 60. ...  3. 34.  3.]
 ...
 [34. 28. 84. ... 56. 34.  1.]
 [84.  0.  3. ... 64. 18. 14.]
 [59.  3. 63. ... 17. 34. 84.]]
Batch 119: loss = 0.24135150015354156, acc = 0.927734375
[[84.  3. 28. ...  1. 32. 28.]
 [63. 62. 84. ... 28. 29. 60.]
 [29. 60. 61. ... 31.  3. 61.]
 ...
 [28. 17. 34. ...  0.  0.  0.]
 [17. 62. 14. ... 77. 77. 66.]
 [ 3. 33. 22. ... 29.  1.  3.]]
Batch 120: loss = 0.20211264491081238, acc = 0.927734375
[[60. 84.  3. ... 84.  0.  0.]
 [84.  0.  3. ...  0.  0.  0.]
 [62. 61.  1. ... 63. 84.  3.]
 ...
 [51. 25.  1. ...  1. 31. 62.]
 [71. 64. 65. ... 28.  1.  3.]
 [33. 22.  3. ... 60.  1. 62.]]
Batch 121: loss = 0.2650294601917267, acc = 0.8935546875
[[ 0. 51. 25. ... 29. 66. 69.]
 [51. 25.  1. ... 21. 14. 23.]
 [28. 22.  3. ... 70.  1. 40.]
 ...
 [80. 65. 78. ...  3. 32.  3.]
 [34.  3. 34. ... 33. 28. 61.]
 [60. 28. 84. ... 66. 71. 64.]]
Batch 122: loss = 0.24349956214427948, acc = 0.9208984375
[[69. 82.  1. ... 34.  1. 61.]
 [ 0. 38. 25. ... 64. 63. 84.]
 [78. 76. 66. ... 29. 28. 33.]
 ...
 [29. 17. 32. ...  3. 28. 18.]
 [ 1. 63. 62. ... 29. 60.  1.]
 [65. 58. 70. ...  3. 28.  3.]]
Batch 123: loss = 0.26317843794822693, acc = 0.9140625
[[18. 84.  3. ...  3. 29. 61.]
 [ 0.  3. 32. ...  1. 62. 18.]
 [84.  3. 31. ... 29. 84.  3.]
 ...
 [ 1. 12. 28. ... 33.  1. 28.]
 [62. 61. 60. ... 78. 75. 71.]
 [62. 17. 61. ... 18.  1. 61.]]
Batch 124: loss = 0.290424644947052, acc = 0.89453125
[[64.  1. 29. ... 61. 29.  1.]
 [84. 84.  0. ...  3. 61. 18.]
 [33.  3. 28. ... 61. 29. 34.]
 ...
 [60. 62. 84. ...  1. 36. 76.]
 [73. 66. 68. ... 25. 21. 14.]
 [17. 62. 84. ... 84.  3. 28.]]
Batch 125: loss = 0.284014493227005, acc = 0.90234375
[[34. 29. 61. ... 62. 34. 29.]
 [ 1.  3. 31. ... 72. 80. 71.]
 [84.  3. 34. ... 26. 33. 18.]
 ...
 [69. 58. 71. ... 66. 58.  1.]
 [23.  0. 38. ... 60. 29. 60.]
 [ 3. 28. 29. ... 32. 70.  3.]]
Batch 126: loss = 0.2345992475748062, acc = 0.92578125
Saved checkpoint to weights.100.h5
In [31]:
import argparse
import os
import json

import numpy as np

# from model import build_model, load_weights

from tensorflow.keras.models import Sequential, load_model
from tensorflow.keras.layers import LSTM, Dropout, TimeDistributed, Dense, Activation, Embedding

# DATA_DIR = './data'
MODEL_DIR = './model'

def build_sample_model(vocab_size):
    model = Sequential()
    model.add(Embedding(vocab_size, 512, batch_input_shape=(1,1)))                                                                                                                                                                                                                                                                                                                                                                                                                                 
    for i in range(3):
        model.add(LSTM(256, return_sequences=(i!=2), stateful=True))
        model.add(Dropout(0.2))

    model.add(Dense(vocab_size))
    model.add(Activation('softmax'))
    return model


def sample(epoch, header, num_chars):
    with open('../input/music-generation/data/char_to_idx.json') as f:
        char_to_idx = json.load(f)
    idx_to_char = { i: ch for (ch, i) in char_to_idx.items() }
    vocab_size = len(char_to_idx)

    model = build_sample_model(vocab_size)
    load_weights(epoch,model)
#     model.save(os.path.join(MODEL_DIR, 'model.{}.h5'.format(epoch)))

#     sampled = [char_to_idx[c] for c in header]
#     print(sampled)
    sampled = []

    for i in range(num_chars):
        batch = np.zeros((1, 1))
        if sampled:
            batch[0, 0] = sampled[-1]
        else:
            batch[0, 0] = np.random.randint(vocab_size)
            print(batch)
            print('\n')
        result = model.predict_on_batch(batch).ravel()
        print(result)
        print('\n')
        print(np.array(result).max())
        print('\n')
        sample = np.random.choice(range(vocab_size), p=result)
        print(sample)
        print('\n')
        sampled.append(sample)

    return ''.join(idx_to_char[c] for c in sampled)
In [32]:
SEED = 0
sample(100,SEED,1024)

[[14.]]


[2.8962759e-05 2.6898949e-06 3.7529646e-06 5.8059028e-04 7.5129865e-06
 7.0910119e-06 1.4247079e-06 2.3172868e-06 8.3135342e-04 5.6426998e-05
 1.6582175e-04 1.4287641e-06 1.1884988e-05 1.7246565e-06 4.2944308e-04
 1.8254359e-05 7.0270791e-04 9.8275292e-01 1.8102951e-04 1.6021273e-05
 4.4246743e-05 4.8032839e-06 3.0118458e-03 2.8864472e-04 9.5623102e-05
 1.9795783e-07 8.2986066e-05 1.0152931e-05 3.9637416e-05 1.6252958e-05
 2.1486799e-04 4.7895246e-06 9.7414202e-05 1.2618645e-05 1.8013992e-05
 2.5083750e-04 2.3702180e-06 1.6548674e-05 1.8932047e-05 4.1004991e-05
 5.0984127e-06 1.7847284e-05 1.5292928e-05 1.6221940e-05 3.0156637e-06
 2.0022915e-06 7.1838281e-06 6.7652200e-06 2.4652962e-05 6.2725093e-07
 7.8598514e-06 5.4017625e-07 2.8948509e-05 3.3888580e-07 8.3633377e-06
 7.6776905e-06 3.8250459e-05 1.5501493e-05 2.3887944e-04 2.8435944e-03
 8.6342188e-04 7.7840104e-06 1.6030221e-04 3.0808488e-04 4.5685758e-04
 3.1120679e-04 5.7378784e-06 8.2625246e-07 1.8037102e-06 1.6206757e-05
 4.2616860e-03 3.4108036e-06 1.8155795e-05 8.4478925e-06 1.0676870e-06
 2.9007620e-07 5.2903857e-07 4.7348247e-05 2.5858203e-06 1.1439480e-06
 8.1863509e-05 5.6993453e-05 9.4786157e-07 1.5749555e-07 1.8031746e-05
 1.4525486e-06]


0.9827529


17


[3.60156719e-06 7.59658519e-07 2.37596453e-07 6.56285184e-03
 1.21460122e-08 1.16622793e-07 9.43469729e-08 2.30901236e-07
 1.69475679e-04 5.48151766e-05 1.53761193e-05 3.62245878e-08
 9.17461966e-06 9.36634805e-08 1.21842524e-04 8.37763650e-07
 2.16957176e-07 1.82247575e-04 1.17407467e-06 7.15404482e-08
 1.01381637e-07 1.98451211e-08 9.01765074e-04 1.29092505e-05
 4.36307801e-06 4.05325864e-07 2.91686202e-03 2.86760198e-08
 5.96818609e-05 3.42191124e-05 2.46082891e-06 4.52385422e-07
 8.16221291e-05 1.64770419e-04 3.12323282e-05 3.94769559e-05
 5.31212656e-08 1.84381648e-07 8.89279545e-06 4.87608816e-07
 2.40021814e-06 3.46194201e-06 1.66508258e-07 4.92613026e-06
 5.36747802e-09 3.87904393e-08 8.84278563e-07 3.66708036e-07
 5.74247792e-07 3.38759811e-08 6.30301770e-07 5.85105688e-08
 4.28913700e-05 2.06064988e-06 3.90864398e-06 1.91735080e-06
 5.61040033e-05 1.24949156e-05 1.61553873e-03 4.15763631e-03
 6.91250443e-01 2.13589352e-02 3.42992917e-02 1.94330767e-01
 4.11732048e-02 1.27272858e-06 2.05433957e-06 7.28104936e-08
 3.45948791e-07 3.48564519e-08 2.70027289e-04 1.38020641e-06
 9.48811305e-08 3.45873900e-07 8.34491516e-08 4.04508533e-08
 5.66668405e-07 8.09370977e-06 2.58174026e-07 4.66108276e-07
 3.15311422e-06 1.99303577e-06 9.02400288e-08 4.12074911e-07
 6.82933478e-06 3.80008771e-07]


0.69125044


60


[2.02029451e-08 8.99700137e-09 1.69571079e-10 4.10408438e-06
 4.79242139e-08 7.00082992e-10 9.59571589e-11 1.51077746e-08
 1.38227023e-07 1.02814469e-04 1.13755505e-05 2.94095526e-10
 5.20590326e-09 5.93827598e-10 9.99853492e-01 2.47428167e-09
 1.96793803e-09 6.40144719e-07 1.82048298e-05 2.82409793e-08
 7.90342403e-10 5.18602228e-09 5.91954361e-08 2.21537935e-08
 1.41585235e-06 1.12028083e-07 3.07061909e-09 7.98847238e-11
 5.67058356e-09 6.19550189e-09 5.74181341e-14 5.16570226e-14
 1.14303567e-09 1.53436236e-10 5.27932732e-13 9.57534141e-09
 1.27754014e-11 3.72164972e-12 9.25197752e-10 1.32728245e-10
 3.37969652e-10 2.95753110e-11 8.03153637e-12 3.67739861e-09
 5.22772065e-14 3.89957625e-13 1.22189883e-10 3.41733621e-11
 1.73902517e-10 1.25514312e-11 3.05340440e-11 3.35719508e-11
 8.32520008e-09 1.85096383e-10 4.28791111e-07 9.73196137e-08
 1.17121823e-09 6.52507432e-12 2.15672313e-10 7.98624847e-11
 9.14436793e-09 1.56588946e-08 2.39447101e-10 1.08497851e-08
 1.17643262e-09 7.68254971e-09 1.84723504e-11 2.95322339e-12
 1.18435073e-09 1.76209256e-11 9.52796245e-11 6.95311933e-11
 1.22406052e-11 9.66276625e-12 1.97240384e-11 2.97818714e-11
 6.22992760e-12 2.30391761e-10 8.58845807e-12 9.65885965e-12
 1.52991606e-12 8.12562961e-10 3.49227557e-11 8.26514378e-12
 6.92519689e-06 1.10924873e-13]


0.9998535


14


[2.0518038e-09 3.9235318e-10 1.7659901e-10 2.9021930e-07 8.6945398e-08
 4.2676931e-11 3.6510340e-11 1.9975322e-07 6.0723607e-08 8.0712225e-06
 6.1285289e-07 1.3531590e-10 9.6815955e-10 3.3306397e-10 6.9422492e-07
 1.2693280e-08 1.2163588e-07 9.9995673e-01 1.3234340e-06 2.5810206e-05
 1.9268308e-08 2.1532648e-08 5.8293832e-08 9.6576525e-07 4.0710793e-06
 6.7382579e-11 2.0885809e-08 5.1516535e-10 1.9824739e-08 7.8344392e-08
 1.3200740e-11 5.5690175e-12 6.3732236e-10 4.0090214e-10 3.0333732e-11
 4.6407398e-09 4.1619680e-11 3.5133754e-11 3.9024628e-10 1.3998466e-09
 9.1435019e-12 2.9427107e-11 1.9997669e-10 1.2037495e-10 1.1499706e-12
 3.2671817e-12 6.8024759e-11 6.2307554e-10 8.0736468e-10 5.1664603e-11
 1.8612051e-11 1.6773626e-10 2.5665972e-09 2.7663091e-11 4.0617795e-08
 6.5325940e-09 7.1667770e-08 1.6085473e-10 6.7903265e-08 9.0622032e-10
 1.9968228e-08 4.6278014e-08 1.7505018e-08 1.8123829e-07 9.7666719e-10
 4.9192739e-08 7.0984184e-11 9.7921552e-13 2.2140088e-10 4.8056968e-11
 5.4779270e-10 6.0608354e-12 2.7822325e-10 1.9090901e-10 4.1303905e-11
 2.9721314e-12 3.0470680e-12 8.9089411e-09 3.2490934e-11 2.2879332e-11
 5.5770558e-11 2.1124940e-09 7.7868441e-11 2.6341686e-11 1.2709395e-07
 1.2633329e-12]


0.9999567


17


[4.71119456e-05 7.75032386e-05 1.63015235e-09 3.89795332e-06
 1.15415999e-09 1.98637906e-08 1.19154220e-09 2.07277026e-05
 1.03020764e-04 2.86182985e-02 1.49106722e-06 6.83684505e-07
 6.37104313e-05 1.37209053e-08 3.68536064e-07 3.83234564e-08
 2.74176237e-10 1.37084086e-07 1.40250700e-10 1.41460688e-07
 1.19610544e-09 8.01790093e-11 4.26501217e-08 3.82262357e-07
 2.62603606e-07 2.41127691e-06 5.62407222e-05 5.56453195e-09
 6.47146817e-06 4.15858859e-03 1.04258088e-10 2.31071295e-09
 6.34546905e-06 1.92813854e-08 4.91307333e-08 1.63312620e-07
 9.23975452e-10 2.10580309e-09 7.21312210e-09 2.23389556e-08
 8.83185436e-09 4.84470075e-10 1.95279437e-09 8.04367701e-08
 3.12672561e-11 1.10285794e-10 3.20404703e-09 6.55300791e-09
 4.71046624e-09 5.54844393e-09 1.53111284e-08 1.97755770e-10
 6.76915519e-08 4.54628379e-09 1.36945082e-03 3.74372175e-05
 7.09518463e-06 2.14863107e-07 3.36633519e-07 1.56974682e-08
 3.90926118e-07 4.66097903e-04 4.38003781e-06 6.56642101e-07
 2.98982457e-08 1.29478730e-08 1.16974166e-10 3.15261484e-10
 1.70040177e-08 3.38822831e-10 1.97049532e-09 8.33087270e-08
 1.36393258e-10 6.73033240e-10 1.64081781e-09 1.23961244e-10
 7.86555543e-10 5.48635512e-07 1.81238722e-11 1.35485134e-08
 2.23894289e-11 6.70049172e-09 1.51755835e-08 1.84977495e-07
 9.64944720e-01 5.27184286e-12]


0.9649447


84


[6.83252156e-01 1.10039609e-02 8.62193133e-07 1.89681336e-01
 8.64979697e-08 8.29928103e-05 1.67523012e-06 1.18197586e-05
 9.93925380e-04 5.45703981e-04 1.01094875e-08 1.31278242e-07
 5.32063177e-06 4.21326916e-07 1.07342148e-05 1.70330352e-07
 1.91945969e-06 8.45085424e-09 3.04882342e-08 2.23627353e-06
 3.98940472e-07 3.01189743e-07 1.53971894e-06 1.27284693e-06
 9.66475181e-06 1.82130467e-02 1.78354621e-05 3.69557910e-07
 1.37692696e-04 1.18482802e-02 1.80262272e-09 2.42547549e-06
 8.54799291e-04 1.23710288e-05 4.19523502e-07 2.59808371e-06
 3.77388034e-07 3.71374625e-07 1.84646327e-04 1.00705074e-06
 1.72979035e-05 4.20444485e-06 1.17686761e-06 3.35874283e-05
 1.10397078e-08 2.81656753e-06 2.86885597e-06 7.09062078e-06
 1.00522328e-07 7.68513431e-08 1.83251402e-07 9.85865654e-07
 6.77243179e-06 6.43378869e-03 7.19984174e-02 6.67817721e-06
 9.03029616e-07 4.48981380e-10 5.82975247e-07 7.18427418e-06
 2.10859274e-04 3.86045198e-03 1.13575632e-04 1.17125703e-04
 1.38598898e-05 2.48292909e-05 5.06987703e-07 1.78585395e-07
 1.60690161e-05 9.64725018e-07 2.25276403e-06 4.34020512e-06
 1.71295866e-07 1.14962086e-06 1.55351722e-06 1.27365511e-05
 5.87554325e-07 3.45713306e-06 9.55196100e-08 1.86584359e-07
 1.66711715e-07 2.72548988e-07 2.42579017e-06 1.57582804e-06
 2.00916664e-04 5.77145221e-09]


0.68325216


0


[1.9525378e-05 3.2937890e-06 2.6321176e-08 6.1837208e-01 2.8639543e-06
 6.4097281e-04 7.5152144e-08 4.0760404e-09 5.8655536e-07 3.8009912e-07
 2.7621776e-09 1.7631163e-09 3.9201703e-07 6.8563068e-08 5.3976214e-07
 4.6599324e-09 1.0331273e-05 1.5867435e-07 1.2878671e-07 1.5145751e-05
 6.0276813e-07 1.1740793e-06 4.3642190e-06 1.8798137e-07 1.8015278e-05
 2.1538448e-05 1.0777093e-06 7.5830322e-08 8.5873988e-05 9.4910851e-04
 2.8091252e-08 1.6819916e-06 7.0350140e-04 8.5476073e-05 2.2904094e-06
 4.6312839e-06 1.6406899e-05 7.9135566e-07 3.0719522e-01 4.5139609e-07
 5.9192736e-02 2.3001173e-06 2.5996560e-05 9.1984216e-03 8.0117809e-07
 6.2004169e-06 6.3241437e-06 1.2551539e-05 7.9641872e-08 6.3187116e-08
 2.7342236e-07 3.3652910e-04 1.4867297e-04 1.0853135e-05 1.4625547e-07
 5.9328636e-10 7.2825683e-11 1.5412777e-11 2.1483663e-06 2.1628218e-06
 2.1909093e-03 5.7751377e-04 2.0499258e-05 8.7646484e-05 7.3788073e-07
 2.0195164e-06 1.2744026e-06 9.3753222e-08 1.5725039e-08 5.0808122e-08
 3.7435168e-06 4.0618828e-10 1.1605376e-07 1.3617105e-06 1.2274261e-07
 2.4692818e-07 1.4906572e-09 2.8848642e-06 4.8951201e-06 1.9521343e-10
 4.6010967e-08 2.5113673e-09 1.5743471e-07 3.9923189e-09 3.3555946e-07
 7.1904138e-10]


0.6183721


38


[3.9886243e-07 1.8519460e-08 1.4785788e-13 5.0173067e-08 7.0249475e-12
 1.2649407e-07 6.9780282e-10 1.7457134e-10 4.7832166e-10 2.4132535e-10
 4.2473566e-10 5.8144545e-11 1.9262590e-08 7.3480466e-10 6.6192064e-05
 2.0642399e-10 1.9690956e-10 1.0234420e-08 2.0106413e-07 1.4555746e-06
 3.0541170e-08 1.7327333e-06 3.3341574e-10 5.9699703e-09 7.5737370e-07
 9.9992514e-01 1.2639143e-09 1.7187822e-11 2.0251232e-08 3.3113643e-08
 2.1609591e-13 3.2799844e-12 1.2825069e-08 2.1486327e-10 4.8758986e-11
 7.1729978e-10 3.2791758e-09 5.9022572e-11 2.3918560e-08 1.1721239e-10
 1.1297665e-07 3.0397001e-11 1.7326504e-10 2.1230002e-07 3.6436381e-13
 1.5635749e-12 6.1027086e-11 1.9831023e-09 3.4599953e-12 9.3048928e-12
 6.4474162e-11 2.0784052e-08 4.8125943e-09 1.1524276e-10 2.3578655e-08
 2.0344696e-11 6.0232678e-13 2.6958460e-15 4.0217021e-09 7.1513190e-10
 3.6518344e-09 4.2086183e-09 3.8910272e-10 2.4102567e-08 1.2301361e-10
 2.4958473e-08 4.1020673e-11 2.3013409e-11 2.4642361e-11 2.3328750e-10
 2.4004017e-12 1.8307765e-10 1.0022189e-10 8.7318480e-10 5.7205417e-12
 4.7707573e-08 4.7815879e-12 2.7045052e-10 6.2054073e-09 3.9108725e-13
 3.8270526e-13 1.1804380e-11 2.2435039e-10 7.9054530e-10 3.3374729e-06
 1.6718396e-16]


0.99992514


25


[1.27438325e-04 8.76566787e-07 2.13355111e-08 4.32035313e-06
 2.37274866e-10 2.14272503e-10 2.00642702e-09 3.90985306e-08
 1.28279324e-04 2.99632485e-10 1.09482215e-11 7.61168195e-08
 1.27674211e-04 3.43083548e-11 6.59900365e-07 2.58585146e-07
 1.32176201e-05 3.86148571e-07 1.08989894e-07 6.23362866e-05
 1.94917993e-05 7.91344462e-07 7.63831807e-08 2.62155536e-05
 2.17716160e-06 8.02206557e-07 6.80910889e-05 2.30024398e-07
 3.14083040e-01 1.34323863e-02 1.18443638e-01 2.62327611e-01
 3.02464794e-03 2.70251138e-03 2.84428924e-01 3.85983614e-04
 3.23300192e-05 8.26285213e-06 2.18204550e-05 1.33371141e-04
 5.80120650e-05 3.37146048e-07 4.54440183e-08 1.14598060e-05
 2.83706072e-08 1.87752516e-06 5.88325274e-05 3.41628147e-05
 6.25842574e-07 8.31634495e-09 1.15392168e-05 2.77146572e-09
 4.84465636e-06 3.78414411e-09 8.74797661e-06 1.94208702e-08
 3.08296784e-08 7.09882642e-08 1.90066548e-05 3.44370928e-05
 7.02063844e-05 1.46326083e-05 1.04356400e-06 1.40961916e-07
 5.79711150e-06 3.49509133e-09 1.18924190e-10 2.52987853e-08
 1.57699134e-08 1.46971573e-08 2.99595456e-07 5.87535425e-08
 3.47904905e-09 4.48363926e-06 4.06827994e-08 4.16133830e-08
 4.07616744e-06 9.89588216e-07 1.70611850e-06 6.20392484e-06
 4.52350202e-09 4.65290784e-09 2.76817969e-09 6.92220965e-07
 3.73545226e-05 6.35150890e-11]


0.31408304


30


[9.99824584e-01 3.47251307e-06 3.53602125e-08 7.51450789e-05
 1.34823428e-11 1.25658186e-08 1.42918255e-09 3.10002957e-09
 9.18607910e-08 1.05425535e-09 4.97902327e-12 1.25083091e-08
 1.14810605e-10 2.74402098e-11 1.92002353e-05 2.40559984e-07
 6.78253986e-09 2.17809076e-10 8.05788769e-10 2.78876740e-07
 7.43636264e-08 1.24524102e-09 1.24669850e-06 2.19242608e-07
 1.20189242e-07 1.19919830e-09 1.25457603e-10 5.51563861e-09
 1.15177507e-07 8.71104817e-07 1.06057678e-08 2.70436601e-07
 3.28832243e-07 3.21046514e-08 8.16641972e-08 5.70466945e-08
 1.83174609e-09 4.25068147e-10 1.36185618e-09 5.66808334e-09
 6.84345913e-09 1.26624934e-11 1.98073120e-11 7.60568639e-08
 1.95106366e-12 3.38443440e-11 1.71616517e-08 9.99317162e-09
 1.84016951e-11 2.29655704e-12 2.22514160e-10 1.96815671e-11
 1.15905356e-08 2.57115960e-11 5.97984240e-07 4.87717288e-12
 5.91284012e-15 1.44087243e-13 2.17976801e-08 2.15142991e-05
 2.39170732e-11 1.45239653e-07 9.73744529e-10 9.31140443e-10
 1.33014388e-09 3.68130443e-10 1.55742335e-12 1.44532459e-11
 5.13550704e-12 5.38058316e-07 3.55025222e-05 6.04118924e-08
 1.80548729e-10 4.51315252e-08 1.13262466e-09 2.05773048e-07
 1.41464840e-09 6.68660434e-08 1.51233390e-08 9.73620473e-09
 1.25207024e-11 9.30704958e-11 1.10456935e-10 4.62720036e-11
 1.46117982e-05 6.85201299e-13]


0.9998246


0


[1.4760931e-03 5.0198889e-07 2.3832331e-06 4.8592952e-01 1.5113548e-07
 1.0323622e-05 4.8203319e-06 4.9886506e-08 8.6548217e-03 1.5430462e-05
 4.0259401e-08 1.0087169e-07 2.0082820e-05 7.8831943e-07 5.2906567e-04
 2.6602256e-06 7.8408220e-06 9.1197087e-08 1.3005919e-06 4.3079405e-04
 5.0346076e-05 9.5415044e-07 2.0412107e-04 8.7641143e-05 1.5626852e-04
 3.6531230e-05 1.1531989e-05 4.1709059e-06 8.7134326e-03 7.2972484e-02
 6.1662009e-05 2.4140550e-02 4.9670914e-04 6.2531708e-03 1.2977740e-02
 3.0153752e-03 4.9016280e-06 1.7691551e-05 4.7419780e-05 1.5146592e-05
 2.2828379e-03 8.3909242e-08 8.5536993e-07 8.2787592e-03 1.1111489e-06
 1.2033310e-07 6.6425586e-05 1.4307891e-04 2.7847338e-07 1.2095988e-06
 7.9004340e-06 2.8643901e-05 2.0576108e-04 1.3708099e-05 3.6586527e-05
 5.5183870e-07 2.1084714e-08 2.4786536e-07 6.6155954e-03 1.2249332e-03
 1.1999843e-02 3.1107616e-01 2.6341008e-03 1.5336798e-02 4.8677246e-03
 2.9031019e-08 4.1043916e-07 3.7133879e-07 4.8967543e-08 4.1926082e-06
 1.5240433e-04 1.8766008e-05 5.6359795e-06 1.7086155e-05 3.2563796e-05
 1.9385399e-04 2.6156988e-07 1.2930817e-05 1.1675099e-03 1.8079305e-05
 2.6538398e-06 8.7660919e-06 8.6616120e-07 6.9833936e-06 7.1786107e-03
 1.5810015e-08]


0.48592952


3


[6.94855498e-06 8.73281536e-09 3.18820659e-09 1.08952975e-07
 2.01050600e-11 2.37849671e-13 1.01425687e-10 4.58690330e-09
 1.45708400e-04 4.85307516e-10 4.08289044e-13 3.08385695e-09
 3.12840370e-06 1.41115869e-11 2.85422658e-07 6.81586698e-08
 4.06952859e-06 1.64907181e-08 1.57279388e-07 3.15925172e-06
 4.52869813e-07 1.16332551e-07 4.01212787e-07 8.46936473e-06
 8.72424692e-08 2.49510257e-09 2.45665177e-07 5.38416884e-08
 6.01256220e-03 4.73116321e-04 4.73461673e-02 1.39584571e-01
 9.63907223e-04 4.13534399e-05 8.05352449e-01 5.59589080e-06
 3.23155369e-08 7.52971630e-07 9.48441027e-07 1.42079407e-05
 1.64644598e-06 2.82381460e-08 2.74267165e-09 3.82367773e-07
 3.12607149e-08 1.08264807e-07 1.02480146e-06 3.28178771e-07
 7.81733256e-09 1.19579346e-10 8.96046345e-07 1.94474315e-11
 1.49195909e-08 1.35800315e-09 1.00544050e-07 1.23236449e-10
 6.17671390e-08 9.66254898e-09 3.80030428e-06 4.95507993e-06
 1.23830569e-06 1.11103748e-06 3.00874028e-08 2.64067701e-09
 7.75877379e-06 5.67414137e-11 2.25138419e-12 3.08981923e-10
 9.53225232e-09 2.49961829e-09 7.82115819e-07 1.12204752e-08
 1.47324675e-09 1.48175400e-06 2.62184798e-08 1.33710487e-09
 6.72012277e-08 2.15258140e-07 9.14217257e-10 1.12690873e-06
 1.47040302e-09 4.37193357e-08 2.11099779e-12 5.75842876e-08
 3.67175107e-06 1.09244766e-10]


0.80535245


34


[3.28914248e-05 9.81756010e-09 2.24262902e-08 9.95967865e-01
 5.36676881e-09 3.41143789e-08 8.57443117e-10 4.67118531e-13
 6.54570798e-09 9.90803883e-10 6.85838719e-10 1.59257038e-10
 1.65997049e-10 1.43481574e-10 8.17031192e-04 2.52245003e-09
 2.71114187e-10 1.17970544e-09 4.65472327e-09 1.54639750e-07
 8.18311019e-09 1.26129232e-08 3.13043594e-03 3.24803040e-07
 2.19953264e-07 4.75125761e-09 3.60154379e-10 2.67197181e-10
 2.27585531e-07 5.59717217e-10 1.61707128e-12 9.02339004e-09
 9.07554698e-10 5.50502000e-09 4.30774039e-09 1.47785784e-08
 1.84507923e-10 1.78576414e-12 6.02575710e-07 2.16886457e-11
 5.75203032e-08 1.75913158e-12 3.09404542e-12 6.89292108e-07
 2.33396844e-11 9.71929676e-13 2.28938752e-08 8.35074943e-09
 6.99331608e-12 4.09744152e-13 1.84587831e-10 1.17697918e-09
 1.01368620e-07 2.29625252e-09 3.28597434e-06 1.83713743e-12
 2.30758059e-16 4.77785434e-14 1.16341630e-06 3.62813893e-07
 3.49942408e-09 2.26680868e-06 7.53152030e-09 1.01982929e-08
 2.06364739e-08 4.73813037e-11 2.56863059e-10 6.31502212e-11
 6.41387941e-12 6.34346193e-08 4.17014016e-05 7.49637952e-09
 1.00630326e-09 5.46828582e-10 1.48400439e-08 1.68057198e-07
 7.08220843e-11 1.23140964e-08 1.01039305e-07 4.94754904e-10
 5.70071212e-10 1.92576469e-10 1.87458031e-08 3.14315349e-12
 8.00484372e-08 2.40924988e-12]


0.99596786


3


[5.39049154e-07 9.44089109e-08 1.06436593e-09 1.05059125e-05
 2.28124540e-13 1.00161619e-13 2.61584393e-10 3.49092204e-08
 2.25102413e-04 3.49712614e-08 1.38447628e-14 8.33125409e-12
 2.82681935e-06 7.93095797e-12 1.78528637e-07 1.09468101e-09
 1.63801617e-09 4.78103057e-10 5.90095084e-09 1.42035233e-07
 1.97307171e-09 9.61611124e-10 3.79608567e-09 1.92371132e-07
 3.13100168e-09 5.12190623e-10 7.00919998e-08 1.72583739e-10
 1.70546264e-04 9.14560735e-01 1.03179987e-09 1.10809004e-03
 8.06198750e-06 1.20766333e-06 3.80436927e-02 2.94286139e-07
 7.86537557e-10 7.65125474e-09 2.34349748e-08 3.62724357e-08
 1.31508628e-07 2.16704793e-10 1.42869966e-10 5.31144835e-08
 3.57697448e-11 1.25616809e-11 4.22179891e-09 3.86637602e-08
 3.53736707e-10 1.86717794e-11 1.31731124e-08 2.04699785e-10
 2.55456234e-09 3.40654402e-08 1.02180891e-07 3.55167146e-11
 1.95720574e-07 7.63025767e-08 2.03555264e-05 7.58340539e-05
 1.22981567e-06 3.08519769e-02 1.14234026e-05 9.69026132e-07
 1.49023253e-02 3.63126682e-11 5.45762437e-12 9.41083461e-11
 2.81371787e-10 4.18923757e-10 3.50305118e-10 7.59891172e-09
 2.18853949e-10 4.86365828e-08 9.41502210e-10 9.66804747e-10
 7.77888118e-08 1.09564780e-06 7.11108603e-11 1.06698700e-07
 5.85421919e-11 2.96204590e-08 9.55988587e-12 1.88644577e-07
 1.27031092e-06 4.86266246e-13]


0.91456074


29


[1.7358765e-05 1.0177619e-06 2.1511753e-06 3.1255386e-06 6.9217796e-09
 9.3484043e-10 3.2762500e-07 1.5543255e-05 3.9333754e-05 1.5869169e-06
 7.8354043e-09 5.8985610e-05 1.8417515e-04 1.4780074e-06 7.9140486e-03
 2.1774202e-05 2.9142018e-05 4.9004111e-01 3.3877438e-01 8.2012489e-03
 1.7611337e-05 2.9904742e-03 1.2232393e-05 2.4649850e-04 8.5707616e-06
 5.1772194e-08 1.3006157e-04 8.6330488e-08 4.5478687e-02 4.2659701e-03
 4.7930566e-06 7.1718321e-05 1.0566570e-06 1.0345552e-05 1.5927969e-02
 1.1760850e-05 4.8215916e-06 1.2456970e-06 2.8156192e-06 1.4380865e-05
 7.9080280e-07 5.5326785e-07 4.7800086e-07 4.7834737e-07 5.2683089e-07
 2.4422823e-08 1.5162185e-05 3.5737810e-07 1.4931937e-06 1.3273680e-07
 3.3474319e-07 3.3427108e-07 7.6468865e-07 1.7594935e-07 3.6357053e-06
 6.9996128e-07 6.5172394e-03 1.1475139e-05 1.3132274e-04 1.6998772e-04
 6.1997823e-02 1.1799933e-02 2.5461466e-04 2.4326948e-05 4.3318230e-03
 2.2296916e-07 1.5985910e-07 9.0736954e-08 2.1537340e-05 1.0971793e-05
 4.2648164e-05 1.1273169e-05 1.2677127e-06 8.3058312e-06 1.1366028e-05
 2.0903044e-06 1.2480920e-06 4.3478954e-05 2.0979563e-07 5.3899867e-06
 8.5514813e-07 1.8579746e-06 4.3038523e-07 4.6019952e-05 1.8035513e-05
 6.1792541e-08]


0.4900411


18


[4.5611279e-05 9.5958263e-01 1.7002097e-07 2.1360071e-05 6.1912198e-12
 1.1987649e-09 2.5489333e-09 6.6346074e-06 6.4962160e-07 4.2966840e-06
 6.0622396e-11 1.6320183e-06 2.5687168e-05 3.7384837e-09 3.9187554e-02
 5.1153182e-07 2.2565148e-10 6.3783494e-09 8.7169730e-07 6.6293381e-08
 1.1317431e-08 7.8949958e-09 4.7406129e-08 4.7838967e-07 2.9627094e-08
 3.3136516e-07 2.2814316e-08 3.3896080e-10 4.6926275e-06 5.7945366e-04
 3.0762688e-11 1.1455802e-07 4.9199233e-08 2.5554332e-08 5.8730448e-06
 2.1168400e-08 3.5043808e-08 4.7822379e-10 8.4510077e-08 7.4836910e-09
 1.0596113e-08 7.7634003e-11 9.3435391e-11 5.9609562e-07 3.4415075e-11
 5.5443594e-11 6.5669892e-09 4.8435866e-10 2.6855415e-10 1.8738840e-10
 2.2422419e-09 1.5236814e-09 8.0401374e-09 4.3978154e-09 1.9063158e-05
 1.4020069e-08 8.4641229e-08 2.8436489e-09 3.8925461e-07 1.1752262e-06
 3.7371521e-08 2.4299523e-04 1.7840035e-08 3.8121037e-08 1.2395059e-06
 5.0445443e-09 1.8455344e-12 1.6369024e-09 2.4766440e-09 1.1950535e-08
 1.5941183e-08 7.9508266e-07 9.1002308e-09 1.8942083e-07 2.6397384e-10
 6.0026633e-07 8.3903728e-09 6.4286233e-08 1.7974350e-10 1.5722270e-07
 4.8852172e-10 2.4722527e-07 2.4895181e-08 1.1761934e-05 2.5149397e-04
 1.3069547e-14]


0.9595826


1


[1.3728217e-07 1.6293087e-07 6.8943102e-08 4.1824565e-03 1.1373177e-10
 2.9194056e-09 4.1787960e-08 1.0673046e-07 2.9885210e-03 5.0598696e-06
 4.3982878e-10 3.9774687e-08 7.9413476e-05 1.2521767e-09 1.5298740e-04
 2.7910255e-08 5.6964399e-08 4.7270883e-06 9.7112024e-06 5.9290182e-06
 9.1257981e-08 1.2568130e-07 1.9992736e-07 6.7540859e-06 3.2503630e-07
 3.3415102e-08 1.3207084e-05 6.1566161e-09 8.4566018e-05 9.7193629e-01
 2.1805084e-08 5.2752519e-05 5.5778474e-07 1.8450219e-05 6.1454009e-03
 6.4349988e-06 1.9771913e-07 1.0797662e-07 2.6543510e-06 7.8359341e-07
 1.2366054e-06 1.2496008e-08 2.1389170e-08 3.9900240e-07 1.2166465e-08
 1.6629641e-09 2.7167670e-07 2.5789208e-07 1.3548302e-07 8.9792058e-09
 6.6133231e-07 4.0610710e-09 7.4424221e-08 6.3250184e-08 2.1429547e-07
 3.0255414e-08 6.6235487e-05 1.7737709e-06 9.4688124e-07 8.6321146e-05
 1.0277049e-03 8.7459367e-03 4.9291462e-05 1.9697848e-04 4.0546362e-03
 3.2793174e-08 1.8808086e-09 1.1882135e-08 1.2936532e-06 9.7468726e-09
 1.4403680e-08 5.6923807e-07 3.1697358e-08 1.3621130e-06 4.3046413e-08
 9.2966154e-08 1.9612910e-08 3.5539672e-06 9.3085886e-09 3.8421462e-08
 8.8003098e-09 9.4283979e-07 1.1012191e-07 3.5949022e-05 2.4223762e-05
 3.4297030e-11]


0.9719363


29


[2.1970775e-06 1.8140978e-06 3.5469043e-09 9.0356912e-07 2.9192607e-10
 1.3834035e-09 3.6300627e-08 2.7229044e-06 9.4505176e-06 2.4248241e-06
 6.8190986e-09 7.5173733e-04 1.4676177e-05 7.9150361e-08 2.7526494e-03
 7.4684563e-06 1.0468029e-06 3.1039552e-03 2.2031635e-03 4.2326545e-05
 1.9616598e-07 1.3551411e-05 4.5440632e-07 1.8340865e-05 2.3020234e-06
 4.9093978e-07 2.6272943e-02 1.5455487e-09 4.8198584e-02 1.1820287e-04
 1.0306022e-06 2.0684718e-06 1.7750612e-06 2.0148089e-07 2.4302784e-04
 1.0631037e-07 4.5792639e-08 2.5295659e-08 5.4407627e-07 4.1031839e-07
 1.0763755e-08 1.5418337e-08 8.7200300e-09 1.2395387e-08 4.2247674e-08
 6.8017694e-09 2.2100035e-06 4.6257551e-08 5.8691572e-08 2.1170496e-08
 2.7473055e-08 8.6465901e-10 2.0982519e-08 4.7329389e-09 1.3343517e-05
 4.3745365e-07 8.7366514e-03 1.1187375e-05 3.3480192e-06 2.2953053e-07
 9.0231639e-01 9.2132686e-04 2.1809281e-03 6.4620235e-06 1.9090364e-03
 6.4872012e-07 1.2739948e-08 1.1827740e-08 4.4736702e-05 7.8953143e-08
 2.4548896e-07 1.0027084e-05 6.0366872e-09 6.4049827e-06 2.4077016e-07
 5.2633300e-07 9.0840892e-08 3.3207327e-06 1.4854958e-08 6.1677559e-07
 2.1695112e-07 7.2535647e-07 3.0020450e-07 1.1723854e-05 4.7217141e-05
 2.5251862e-10]


0.9023164


28


[4.90852905e-08 2.56268322e-08 3.89623445e-10 1.55201144e-06
 3.00314856e-10 5.08801681e-11 8.68594988e-11 7.86743204e-09
 9.23415064e-06 7.53928386e-09 1.31621547e-12 1.99063299e-09
 3.05205390e-06 8.89050777e-11 1.51737840e-08 1.83512796e-08
 1.65538161e-08 8.08497447e-08 8.29096702e-09 2.53638994e-08
 3.03410252e-09 3.82740417e-09 1.54368607e-08 2.99624759e-07
 1.63698155e-09 2.17139885e-07 1.05557978e-04 1.79805770e-09
 3.06368980e-04 6.24268258e-04 9.66639436e-06 1.86114374e-03
 1.86554698e-05 6.77192074e-05 9.96831000e-01 8.14293202e-08
 2.26199131e-08 2.53483261e-08 2.16664216e-06 1.23877840e-07
 1.17596194e-07 6.43290576e-09 9.55717505e-10 1.65189658e-08
 2.79500756e-09 2.01035211e-09 2.93223010e-08 1.69376548e-08
 3.85658439e-09 1.21274835e-09 4.43969945e-08 2.42607623e-09
 7.27447880e-09 5.45227241e-09 5.28281862e-06 4.66905334e-11
 2.43903323e-05 3.89569641e-06 1.07898352e-07 3.55982905e-07
 2.89869768e-05 9.36416654e-06 1.83876487e-08 1.30081124e-09
 8.14996019e-05 7.89192600e-10 3.82012928e-11 4.05561806e-10
 7.10440684e-09 1.89510907e-11 1.37626541e-08 5.56000745e-10
 7.18831161e-10 6.42396714e-09 2.17260945e-10 1.61378655e-09
 1.81499402e-08 8.86775879e-08 1.20515620e-11 2.14077716e-08
 5.71648007e-10 2.20831042e-09 4.57854518e-11 3.11250375e-07
 3.84458599e-06 2.58931765e-12]


0.996831


34


[2.88186830e-09 2.72030865e-09 7.63644530e-12 4.38116246e-08
 9.78278114e-13 6.01341088e-10 1.87419568e-12 9.81506369e-12
 9.72952563e-09 1.28237776e-09 3.31306926e-10 6.37373265e-10
 8.96107508e-08 3.90033179e-11 7.02749167e-05 7.94989491e-11
 3.84780586e-13 6.95148800e-11 1.34248823e-09 5.95568761e-10
 7.20167545e-12 4.47835649e-12 1.11055287e-09 5.74216341e-10
 2.92855531e-11 2.16530793e-07 2.30791684e-07 1.82873213e-11
 9.14856746e-10 5.29899058e-09 2.19435500e-13 2.93137470e-09
 6.40830278e-10 8.70920580e-09 1.30546671e-10 2.40064441e-10
 2.76307991e-12 2.11009960e-11 2.16054383e-10 1.77926021e-10
 6.02975100e-11 1.44878001e-12 1.04584981e-13 1.43464185e-10
 2.57188747e-14 6.70740725e-14 9.08839844e-12 8.53590879e-11
 1.11217129e-11 1.05892404e-11 1.62510713e-10 1.93579134e-13
 1.45178827e-10 4.79902489e-12 3.09745610e-06 8.43081247e-12
 2.72973935e-11 2.47601527e-12 1.28195085e-11 5.88495962e-12
 1.53959154e-11 4.10922990e-10 3.47862391e-13 5.02980470e-12
 8.14662615e-10 2.66787842e-11 1.70523961e-14 6.80682453e-14
 5.88180589e-12 3.55917498e-13 2.71721122e-14 1.07139146e-12
 5.72773816e-13 5.34827716e-13 5.04126092e-13 7.32097163e-13
 7.06653906e-14 2.15969733e-12 1.66332487e-14 1.38010924e-12
 2.79201412e-13 1.15782741e-12 5.59987007e-13 7.48109491e-11
 9.99925971e-01 2.07109631e-17]


0.999926


84


[8.86347698e-06 5.55307452e-06 1.45292475e-07 9.96839046e-01
 1.01867681e-09 2.10800366e-07 8.87813290e-09 2.12580460e-08
 7.11638222e-06 1.49350103e-06 5.46513841e-11 2.43034282e-09
 1.32909428e-09 6.57714716e-10 7.53392669e-05 1.01255795e-08
 6.36136576e-07 5.74747254e-08 2.98744816e-08 4.11054884e-07
 3.37504176e-08 5.01608838e-07 2.62483439e-07 5.63034277e-08
 4.51323103e-08 1.16259764e-06 2.28289491e-06 2.73148792e-08
 3.64924017e-05 2.64611538e-03 1.44788692e-09 4.32323141e-05
 1.50798053e-06 1.52750785e-04 2.52461559e-05 2.88343381e-06
 5.81566546e-08 2.06250121e-07 1.50144001e-06 8.08246483e-08
 4.89463446e-06 7.48401341e-09 5.39601475e-09 9.98702490e-06
 6.68081146e-10 3.94973938e-08 4.67879779e-08 2.95231501e-07
 4.07607352e-08 7.10757786e-10 3.35451773e-08 2.09616800e-07
 6.83596625e-07 3.99555074e-06 7.65511231e-06 4.95288077e-09
 2.05586161e-07 3.31861538e-10 7.84153684e-08 6.91204650e-06
 4.63495752e-07 1.03924664e-04 1.78054933e-07 2.00501427e-06
 4.56661473e-06 7.42922879e-09 4.12572421e-09 1.11571197e-09
 1.06374758e-08 1.97056982e-10 4.31450070e-10 6.08174969e-11
 9.38093048e-10 8.21155677e-09 9.58582902e-09 7.40948769e-09
 2.76724865e-10 6.73600340e-08 9.41647760e-10 1.71735889e-10
 2.79049062e-10 5.36995448e-10 1.26173365e-08 2.82910086e-08
 1.07247352e-07 5.22054188e-12]


0.99683905


3


[3.5942747e-07 2.7884142e-09 2.5748007e-10 6.5284041e-08 8.8605859e-12
 5.1531990e-14 6.5983187e-12 5.9336280e-10 1.1757529e-07 2.4405717e-11
 2.3223024e-15 2.0913058e-11 4.9679949e-09 4.9499597e-12 6.2184986e-09
 1.4164978e-08 9.4720498e-08 1.8072518e-08 3.3016370e-09 9.7120871e-09
 7.9442408e-09 1.8542525e-09 1.3144508e-09 3.1916400e-08 3.1367539e-10
 4.8679345e-11 1.0141511e-09 8.8095895e-09 1.0220942e-03 2.4153740e-04
 4.9629621e-03 9.5372200e-01 2.5987823e-04 2.5864592e-04 3.9529584e-02
 3.8764210e-07 3.4886426e-08 3.7757732e-07 3.5521560e-07 2.2163374e-07
 1.9721125e-07 4.7335100e-09 2.9124270e-10 4.9332237e-07 1.9756232e-09
 5.0299345e-08 8.3125180e-08 2.5987683e-07 4.0468477e-09 1.2030611e-11
 3.5261120e-08 6.6239137e-13 2.2336682e-08 2.7234245e-10 7.9231617e-09
 5.4927237e-14 8.2823171e-09 1.6239436e-10 1.1502282e-08 8.3408462e-09
 7.7215112e-10 5.6329239e-09 4.8245640e-11 2.1895680e-11 7.1319652e-09
 3.6348948e-11 1.0856211e-12 2.1392464e-11 5.8003199e-11 1.7799305e-10
 1.2447208e-08 1.1237357e-11 1.5557831e-09 6.1956729e-09 8.5572223e-11
 8.6414619e-11 9.9421182e-09 1.1451583e-08 1.1929249e-11 8.9140118e-09
 3.2770335e-11 2.7510114e-10 3.0716757e-13 2.1218368e-08 2.4856932e-09
 3.2840446e-13]


0.953722


34


[7.78769049e-07 5.84474128e-06 2.08100648e-09 9.90668714e-01
 1.15197764e-07 1.63424829e-09 1.39680723e-09 6.27483690e-11
 5.35680500e-10 1.76001116e-08 3.62541136e-10 8.27775015e-10
 1.68984671e-09 3.61679880e-10 8.89554434e-03 1.03059783e-08
 5.77377451e-11 1.09436094e-09 4.86388396e-09 7.23928153e-08
 9.37261024e-09 1.41214143e-08 4.16915253e-04 3.95055935e-07
 9.26031163e-08 1.83680404e-09 9.42134037e-10 4.16229655e-11
 1.49235163e-07 1.41421075e-09 3.23455591e-13 4.06450305e-08
 1.91671434e-09 3.49308915e-09 6.83187062e-10 7.20444234e-07
 8.98801866e-10 2.90457675e-11 1.93743830e-08 1.32814731e-10
 6.14110931e-08 3.27488488e-11 1.16156021e-12 2.17058140e-08
 3.56669663e-12 7.69524147e-13 1.60433966e-09 2.49121695e-10
 2.75565785e-11 1.80139454e-12 3.67781472e-10 1.60996064e-10
 2.34687754e-08 6.00113692e-09 1.26800910e-06 7.63664305e-12
 1.05808719e-15 1.68485712e-14 2.12087048e-06 2.21952643e-08
 2.52766585e-09 4.03921604e-06 2.47909315e-09 3.28291216e-09
 2.26744512e-09 2.17953677e-09 1.60499364e-10 3.68830799e-11
 1.15306228e-11 6.89377533e-09 2.44157468e-06 6.02127848e-10
 8.96178895e-11 2.51646726e-09 3.92024591e-09 8.58428706e-09
 6.26314278e-11 1.82888593e-09 6.65738853e-10 2.37347531e-10
 4.10698168e-12 2.90214131e-10 1.06142819e-08 1.55251419e-12
 5.79669347e-07 6.12601197e-14]


0.9906687


3


[6.3060270e-06 3.0582898e-06 1.6167592e-08 9.1986738e-05 4.1333471e-11
 3.1084952e-12 1.2589503e-09 1.4808887e-07 1.6433743e-04 3.6593531e-07
 7.0890510e-13 2.0168132e-10 2.9226105e-06 8.2923962e-10 4.3011241e-06
 8.6848480e-08 2.9602466e-08 5.0833268e-08 3.9895681e-08 7.0118836e-07
 2.4081878e-08 1.5032525e-09 7.3203807e-08 6.4784547e-07 1.2634444e-08
 3.4707352e-08 1.3411979e-07 8.5070206e-10 2.1258614e-03 6.7384231e-01
 5.0110977e-08 7.5697601e-02 4.4503398e-05 3.7458787e-05 4.4348328e-03
 4.6280993e-06 6.5106049e-09 2.5052194e-07 1.3032802e-07 2.2315460e-07
 1.3470328e-07 1.1644964e-09 2.5181118e-10 1.9459083e-07 7.1389651e-11
 2.9328684e-10 8.9590948e-09 1.6912682e-07 1.7166177e-09 4.9341059e-11
 7.4126213e-08 8.3351315e-10 1.0845302e-08 2.1253614e-07 8.3261909e-07
 2.6073818e-11 1.3962122e-06 1.0806601e-09 2.7519911e-05 1.6893775e-05
 9.4374336e-08 2.4158081e-01 2.7057322e-06 8.1148255e-06 1.8831133e-03
 4.6929449e-10 4.9589860e-11 4.2667284e-10 1.7493901e-09 3.3936980e-09
 7.3139432e-09 6.9672694e-09 9.5142993e-10 2.3526995e-07 1.9258384e-09
 6.7687704e-09 1.0799056e-06 1.8094280e-06 3.9456702e-11 3.9195807e-08
 3.8508519e-11 8.2525958e-08 1.9103101e-11 3.2176428e-07 1.0959659e-05
 7.1010723e-12]


0.6738423


29


[5.40206156e-06 1.69617429e-04 2.59734884e-06 1.31489805e-05
 3.83214571e-09 6.37649311e-09 3.86772463e-08 2.65252538e-06
 4.14745773e-06 6.77953540e-06 6.99965463e-09 8.99187289e-04
 7.03134923e-04 2.06684490e-06 6.74696118e-02 4.27073646e-05
 3.67831444e-06 1.43006807e-02 4.57728058e-02 2.04732743e-04
 2.80566496e-06 1.68330691e-04 3.50515402e-05 2.14376960e-05
 1.23756877e-06 1.88239440e-07 5.07502118e-04 8.39963477e-09
 7.36711174e-02 2.77191546e-04 5.85373812e-07 1.24504977e-05
 1.24495057e-06 1.09432484e-07 7.89204054e-03 5.84198119e-07
 3.23646447e-07 6.15876900e-07 2.09037103e-06 1.68157078e-06
 1.11968959e-07 2.80560215e-07 6.09867001e-08 6.55083525e-08
 6.31301162e-08 2.99135259e-08 2.91703236e-06 2.67679106e-08
 1.70217064e-07 2.24092371e-08 3.69918013e-07 8.66930883e-09
 3.55019196e-08 9.15408833e-08 2.30344313e-07 1.54643726e-06
 3.04549048e-03 4.17777244e-07 4.61383170e-04 8.16369356e-06
 7.11021060e-03 7.65671372e-01 5.35857864e-03 4.49872023e-05
 5.83340880e-03 8.83665905e-08 1.36070906e-08 3.43753328e-08
 3.27840207e-05 3.82007693e-06 3.64759653e-05 2.96298731e-05
 9.74622822e-07 6.79224559e-06 4.41209204e-06 4.13791859e-05
 2.18923833e-06 5.94235826e-06 2.30282822e-07 1.22094398e-05
 2.64011351e-06 4.42913188e-06 4.38895739e-07 6.42102823e-05
 1.16054161e-05 1.80263271e-08]


0.7656714


61


[3.55062480e-06 1.00723200e-03 7.02109801e-08 1.10453337e-04
 1.84135302e-12 3.84245885e-10 1.05525788e-09 8.30724673e-07
 1.93580985e-04 2.63521912e-07 3.58027948e-11 6.29317071e-07
 2.84353682e-05 2.48322274e-09 3.81250842e-03 2.06427885e-07
 4.41504344e-09 5.09453287e-07 1.14876184e-06 1.03183780e-07
 5.83356208e-09 1.34118451e-07 4.89130173e-07 5.95018309e-06
 2.04333404e-08 4.07934351e-07 3.07189694e-05 3.65195485e-10
 3.03154462e-03 1.20388471e-01 1.77356585e-09 6.75314186e-06
 5.45846831e-07 5.42983658e-10 5.22508007e-03 9.84551676e-08
 1.62100431e-08 4.62791450e-09 3.87780489e-07 2.55865729e-07
 3.67869930e-08 5.22412735e-09 2.80191037e-10 1.95968866e-07
 1.71037140e-09 1.46018730e-09 2.30597692e-07 4.25132072e-08
 4.75312145e-09 1.39092460e-10 1.94470161e-07 3.42741086e-10
 1.46368455e-08 4.16595913e-09 1.59726005e-06 1.91035969e-08
 2.66314280e-04 1.64384630e-07 2.71287048e-04 4.38857416e-04
 2.83577159e-04 7.31692851e-01 3.63333412e-02 3.26141235e-05
 9.66872722e-02 1.03850581e-08 1.88062205e-10 9.52646184e-10
 4.41378241e-08 6.89183732e-09 1.33724328e-07 1.53811936e-06
 2.20659246e-07 6.33098944e-06 3.66175144e-08 5.49594631e-07
 2.47733766e-07 8.24128620e-07 4.80468165e-10 8.09765538e-07
 4.18583923e-09 8.52036646e-06 4.41349606e-08 1.18292730e-04
 3.27537145e-06 1.99623128e-13]


0.73169285


61


[2.91094384e-08 9.99988556e-01 7.91894328e-11 1.08257148e-09
 1.60813430e-15 2.25402599e-14 4.12394641e-12 2.84830065e-07
 6.74280562e-11 1.35334199e-09 1.18305878e-13 4.07772717e-07
 1.17385968e-08 1.16625884e-11 1.02081622e-05 4.64157324e-11
 5.63680369e-14 1.12824285e-10 6.21410390e-09 7.26141022e-12
 1.61736813e-12 2.05110321e-12 3.89514636e-12 5.53008542e-11
 1.38762404e-11 8.86084955e-11 3.13405725e-11 1.14557560e-13
 2.32778685e-10 8.48784243e-09 1.14296525e-13 1.25149708e-11
 7.90525631e-11 2.60661938e-14 1.00772841e-10 5.19387972e-13
 1.56260085e-12 1.34770514e-14 7.90053027e-13 3.42821420e-13
 1.58021061e-14 6.90062834e-14 1.26383940e-14 9.25489459e-12
 6.03675352e-16 7.53534198e-14 2.08530242e-13 4.38780414e-14
 2.34056837e-14 7.99514568e-15 1.96024707e-12 9.16902789e-16
 8.07738276e-14 2.45769724e-12 3.45401374e-10 1.16177189e-11
 2.21111685e-10 2.49148662e-12 2.05312475e-10 1.03517972e-10
 8.55725647e-12 1.86961788e-08 2.44054310e-09 5.53160165e-12
 9.65805547e-10 7.30719044e-12 2.41999664e-15 1.83922715e-13
 2.81513137e-12 2.09628322e-11 1.14217750e-11 1.12261235e-10
 4.65036126e-12 6.96664393e-11 1.11003566e-13 1.97593997e-10
 1.20514952e-11 3.00636877e-11 2.25854347e-15 1.46644585e-10
 3.69418275e-14 1.73649792e-11 6.58556196e-12 1.79582349e-09
 5.93750087e-07 1.54551187e-17]


0.99998856


1


[2.92012771e-07 1.73584760e-06 3.30993082e-08 2.99631408e-03
 6.68034118e-12 1.54755564e-09 2.50468735e-09 3.60343080e-08
 7.56239169e-05 4.42581808e-07 4.61428638e-11 4.74249873e-07
 6.03779772e-05 2.95352387e-09 3.08628501e-07 5.33973177e-09
 2.60511488e-08 2.03635000e-06 8.08319811e-08 2.07147067e-07
 1.33875702e-08 2.38360687e-09 1.08851594e-08 5.18142599e-07
 4.72497135e-08 1.29998305e-08 4.92143226e-06 1.54932997e-10
 1.83497123e-05 4.05580737e-03 3.25277605e-09 1.85087010e-05
 4.33536655e-07 2.15741043e-08 9.44636558e-05 1.58410842e-07
 4.62896582e-10 3.26385718e-09 7.13535755e-08 6.56229737e-09
 8.41555448e-09 6.01462435e-09 2.49711612e-10 7.58405072e-09
 7.39625930e-11 4.11667922e-10 4.52907534e-09 1.61377773e-08
 3.18654170e-09 5.53904526e-11 2.44901628e-08 1.59207014e-09
 1.39345169e-09 3.78297322e-08 3.43635406e-07 1.31766722e-08
 5.86667389e-04 4.12200478e-07 7.88146622e-07 1.87568312e-05
 3.44195956e-04 9.89848971e-01 6.96256058e-04 1.59006828e-04
 1.01194589e-03 1.65842617e-10 3.14987841e-10 2.96737457e-09
 1.02052411e-08 2.45235210e-09 9.10054787e-09 4.27334790e-08
 8.96252905e-10 1.38476267e-07 6.03163830e-09 6.84704915e-08
 4.66153161e-08 9.59779101e-08 4.61483463e-10 1.19100134e-08
 5.76208005e-11 1.22166540e-07 4.90796381e-09 1.70417280e-07
 5.03257695e-07 1.40848366e-11]


0.989849


29


[1.2948848e-05 3.3531596e-06 1.1576694e-09 4.4851342e-07 1.9508849e-11
 6.1073341e-10 2.6759162e-09 7.6536656e-07 9.1720295e-07 5.9847008e-07
 4.5700024e-11 2.0128571e-05 8.3171159e-05 1.8982735e-08 6.4576479e-06
 1.6143428e-06 5.6347574e-07 1.8648085e-03 2.0988230e-04 7.9300171e-06
 1.9393600e-07 3.2773241e-06 2.9876681e-08 7.1060017e-06 1.4216266e-07
 5.4482433e-07 3.6220186e-04 1.2778816e-09 9.4801122e-03 3.9730710e-04
 1.6602747e-06 7.1748909e-05 7.5326257e-06 5.6781369e-06 1.0068973e-01
 2.4683851e-07 1.3167301e-08 6.2086009e-08 3.6382255e-07 1.1195654e-07
 2.3684262e-08 3.1205914e-08 5.4398268e-09 5.3816427e-09 2.0160884e-09
 2.4820457e-09 1.2336224e-07 4.5045244e-08 5.3075837e-09 1.0430422e-09
 5.0447127e-08 2.3959184e-09 6.7101955e-09 1.5021254e-07 1.4608266e-05
 8.9219743e-09 1.2830871e-02 6.3344345e-07 6.0815810e-06 1.2949083e-07
 3.9787343e-01 4.7255918e-01 1.6694647e-04 9.3437137e-07 3.2782140e-03
 1.4359371e-08 6.6565764e-10 2.7014495e-09 6.3873831e-06 5.2499654e-08
 9.0261160e-08 1.4669394e-06 3.2330311e-10 1.8510764e-07 8.2972427e-08
 2.0552133e-07 1.8562842e-07 1.1207827e-06 2.0609078e-10 1.6163316e-06
 3.4955107e-08 2.3524123e-08 8.8224885e-09 1.8707105e-06 1.3484165e-05
 1.9479104e-11]


0.47255918


61


[2.9224445e-09 4.8994506e-09 4.8393921e-11 8.5155200e-08 1.2859832e-14
 1.2238805e-13 9.5363051e-13 2.0660520e-09 8.0204865e-07 1.0435905e-10
 1.2899070e-13 7.5055047e-09 8.3325659e-08 5.2248288e-12 1.4442206e-08
 2.7738037e-10 2.8503143e-11 5.0368577e-11 9.5785116e-12 1.8760909e-10
 5.0305567e-12 9.8720719e-12 1.6664327e-09 1.9904581e-08 3.0700675e-11
 3.7407664e-09 1.6047341e-05 1.5824579e-12 8.4606127e-06 2.0191821e-03
 1.3469564e-10 6.9191723e-05 3.1386284e-07 4.3946438e-10 5.5141939e-04
 8.7979635e-10 1.1774424e-11 1.4190245e-10 3.0239036e-09 4.7896718e-09
 2.9376274e-10 1.4832432e-11 6.5391410e-13 8.6043278e-10 7.1900415e-12
 4.3017413e-11 2.2825784e-10 2.1212031e-10 2.0978093e-11 2.7592427e-12
 2.2615574e-09 1.9584208e-13 5.9120694e-11 1.4567732e-11 4.9819624e-07
 1.0271632e-12 3.3691949e-06 1.5459207e-09 1.0635374e-06 8.2747533e-07
 8.8655643e-06 9.9554020e-01 5.8403621e-05 8.2470302e-07 1.7194871e-03
 9.5507994e-12 2.0383277e-13 1.6255501e-12 8.8126595e-10 5.8492876e-12
 3.5994534e-11 2.9556753e-09 5.4283245e-11 1.5507906e-09 3.3023090e-10
 5.2268648e-11 1.7142685e-09 6.1668688e-09 2.4534834e-13 2.5051275e-08
 9.5594201e-12 1.7908213e-09 2.7900694e-12 1.1597182e-08 6.6464406e-07
 3.2831450e-15]


0.9955402


61


[2.46489229e-09 5.84643587e-08 1.60928681e-12 6.64233946e-12
 1.15828865e-15 6.02969213e-14 1.59504259e-13 3.91412514e-10
 1.37757565e-08 4.84361440e-11 6.43096860e-12 4.39431531e-08
 4.67097472e-08 2.67729190e-11 1.02603842e-07 1.11574638e-11
 1.10093900e-13 6.17709633e-11 3.33107486e-10 7.89425400e-11
 2.95300514e-13 3.59316120e-13 2.99025735e-11 9.26452637e-10
 1.03346791e-12 2.00737094e-09 5.78455364e-08 1.30824626e-12
 7.10733972e-11 2.46948730e-07 4.25460188e-12 5.82839945e-08
 3.40371863e-11 6.50800052e-13 2.26815597e-08 1.48641325e-11
 1.51863450e-12 2.97043260e-13 6.83992273e-12 1.55616256e-10
 8.35814328e-13 1.17786792e-14 2.47511870e-14 4.44892387e-11
 8.16981574e-15 6.87271353e-14 5.99379617e-12 2.50850404e-12
 1.78809482e-13 3.84789124e-13 1.66090502e-10 2.41314181e-15
 1.21755102e-12 1.49717766e-14 2.02205598e-07 1.26230501e-13
 1.70831169e-10 1.75136153e-12 7.67796993e-10 1.71964248e-10
 3.49972633e-12 1.47272146e-06 1.58048463e-10 2.57497561e-12
 2.24472085e-09 1.30746718e-13 8.68644093e-16 6.71553132e-14
 6.78039309e-12 1.40546938e-12 4.47653796e-14 1.25655611e-10
 3.61395294e-13 9.01544301e-13 5.35819761e-13 3.29915606e-14
 2.09039210e-12 9.14590018e-12 9.32875369e-17 6.98335501e-10
 1.33403742e-14 3.40077055e-12 5.66654301e-14 2.08330419e-11
 9.99997735e-01 2.18856274e-18]


0.99999774


84


[9.39877680e-07 5.69681504e-07 2.49109533e-09 9.96918440e-01
 1.27086570e-11 2.47846965e-09 3.52386210e-11 1.36684095e-10
 1.84255754e-07 6.49002807e-09 8.68266125e-13 2.19190985e-10
 2.44873871e-10 1.36058803e-10 6.89700315e-08 1.93650207e-10
 1.04271276e-08 1.29458855e-09 2.79179874e-10 2.44559734e-10
 7.61798402e-11 7.09305253e-11 5.10693781e-07 1.09715970e-09
 7.20772053e-11 6.99588304e-11 3.23016280e-08 1.34312119e-11
 3.26244532e-07 5.11551225e-05 2.89904933e-10 6.74571140e-07
 7.17190929e-09 2.51202237e-09 5.72148792e-06 1.35265603e-08
 5.80931275e-11 4.12864638e-11 5.56469937e-09 3.11496211e-11
 8.05864353e-09 5.69206245e-11 1.70016501e-11 2.37913582e-07
 5.43222748e-13 2.83086558e-11 7.86762322e-10 1.33909814e-10
 3.21038612e-11 6.58333360e-13 1.25189387e-10 7.80584139e-11
 1.48916723e-09 2.88338562e-08 1.62274858e-07 5.81112719e-12
 1.35738243e-09 6.31869600e-12 9.71572245e-09 1.02768574e-07
 2.86219830e-07 3.00746388e-03 3.08122890e-06 3.43337035e-07
 9.68517179e-06 2.44044247e-11 3.40087181e-10 3.71165208e-12
 8.80850878e-11 4.74896815e-12 3.53295770e-09 1.83007793e-11
 7.88074536e-11 2.45113596e-10 5.51571844e-10 7.19978355e-10
 1.70516801e-09 6.87362345e-09 2.37098587e-11 1.72445794e-10
 2.65539218e-12 3.02957728e-11 1.41284623e-10 2.38958072e-12
 2.94301983e-09 4.31249918e-14]


0.99691844


3


[1.64266430e-06 3.46178990e-06 5.27951460e-10 1.10685505e-07
 3.36004900e-12 1.01696852e-12 7.88026155e-12 3.97705646e-09
 7.00696262e-07 1.20577312e-10 4.50479599e-14 1.37563946e-10
 2.32550352e-08 6.28265981e-11 9.23555898e-10 8.03393618e-09
 9.11014340e-08 1.31856714e-09 3.62657460e-10 2.84738372e-10
 4.24965396e-09 8.55063659e-11 1.77049586e-09 7.75648878e-09
 2.57108224e-10 1.95419389e-10 5.12346077e-09 2.50117136e-08
 2.98816967e-03 1.70517931e-04 3.44932526e-01 2.28163395e-02
 4.91838949e-03 1.33165246e-04 6.24031842e-01 5.44255897e-07
 6.18496676e-09 8.77818763e-07 8.95795296e-08 6.90005635e-08
 1.55954083e-07 2.19460645e-08 7.07330583e-10 3.07812059e-07
 4.24521440e-09 4.00132230e-08 7.22122522e-08 1.96493474e-07
 5.31183941e-09 3.77967145e-12 3.77728604e-08 5.89928334e-13
 3.20910623e-08 1.58021463e-09 8.38512122e-08 1.66696247e-12
 3.77857567e-08 6.99952230e-09 5.92971894e-09 4.36607799e-08
 3.32959127e-09 4.29350493e-08 3.75391318e-09 3.07485773e-11
 2.22856702e-08 1.21790729e-11 3.38128397e-12 6.42589731e-11
 8.57313439e-12 2.30149233e-10 8.97894950e-08 1.32354294e-10
 2.17497820e-09 1.77794846e-08 1.42105147e-10 5.47239865e-10
 2.70700156e-08 3.90208033e-10 1.10724689e-12 6.56236523e-08
 3.09212482e-11 3.50421492e-09 4.52683084e-13 8.89021212e-09
 4.17605150e-09 1.26630234e-11]


0.62403184


30


[6.36905071e-08 2.30400001e-08 3.91195770e-10 9.99423027e-01
 7.40873247e-06 2.06528821e-08 7.78727569e-11 5.42652945e-12
 7.23761628e-09 2.28778751e-09 4.06338796e-10 1.97651721e-11
 9.73083697e-11 4.17577417e-10 1.27559915e-05 2.98480934e-10
 2.56516342e-09 3.01556269e-09 1.92654226e-10 1.11990406e-09
 8.39166292e-10 8.29025959e-10 1.38650037e-04 2.41545450e-09
 2.93483710e-10 5.68062264e-12 3.04077963e-09 4.18685780e-11
 1.10234453e-08 3.76678333e-09 3.66068460e-11 3.15886233e-08
 1.45255479e-08 1.06358311e-09 2.63604392e-07 2.10609869e-06
 4.95168802e-11 1.18383506e-11 7.88879575e-08 1.31185644e-11
 3.31926486e-09 3.16685944e-09 1.98584343e-11 6.22165501e-08
 6.58592755e-13 9.92995009e-12 6.78349876e-10 4.12069073e-10
 1.55379667e-11 8.12219595e-13 1.94543368e-10 2.13320389e-10
 2.09434847e-09 2.27341648e-08 6.76758116e-09 3.27473916e-11
 1.12862356e-12 5.09336713e-13 2.98314329e-09 1.88960243e-08
 2.34934365e-08 4.08663618e-04 2.88727242e-09 5.51792612e-09
 1.82599962e-08 1.27042829e-11 6.79805379e-11 1.19157817e-11
 3.66463908e-11 1.77993287e-10 6.68715802e-06 2.23669802e-12
 5.04554870e-11 1.73777256e-10 1.05501852e-09 8.38278391e-10
 2.42607167e-11 1.49171964e-08 4.71550077e-10 3.29083080e-11
 1.82729201e-12 3.83779952e-11 1.21431129e-10 6.61556178e-14
 1.15901559e-10 1.70538583e-11]


0.999423


3


[8.51826044e-05 4.93888510e-04 2.38076012e-08 4.50714346e-04
 2.07414885e-08 1.41993738e-07 9.11964815e-09 6.38815345e-06
 2.42749113e-03 2.52781429e-05 2.36384534e-09 1.81517077e-08
 2.50889252e-06 4.20109920e-08 5.99565692e-06 3.47348646e-06
 4.70731084e-06 6.08286825e-07 1.89942586e-08 1.19680010e-07
 4.20551089e-07 3.90541066e-09 6.38773872e-06 3.55287830e-06
 2.26347311e-07 6.81087101e-07 5.13640232e-03 4.49449367e-08
 7.98926409e-03 3.28516262e-03 1.33581299e-04 9.06018104e-05
 4.41785855e-03 1.20838704e-05 1.13855854e-01 6.35077187e-04
 1.10808436e-07 3.76340358e-06 2.23856277e-05 2.21914866e-06
 8.63044818e-07 8.84809879e-07 2.73408972e-07 1.10049459e-05
 7.18523623e-08 3.70521298e-06 1.67888103e-07 6.98672784e-06
 1.07906580e-07 1.77928161e-08 2.77217714e-06 1.34067590e-09
 4.41625303e-07 1.00588499e-04 5.30513003e-04 2.59970579e-06
 9.37760528e-03 3.35930326e-06 3.85182175e-05 2.99944149e-05
 6.81299746e-01 1.08830586e-01 2.59280540e-02 6.11424330e-04
 3.40184458e-02 5.22515258e-08 7.87154946e-08 8.06033924e-08
 1.69685211e-06 1.79165021e-08 6.22674520e-07 1.21732273e-06
 2.91361530e-08 1.67157214e-05 1.35387779e-07 1.33652259e-06
 3.99917335e-05 9.31874274e-06 4.88006435e-09 2.23211864e-05
 2.36990601e-07 2.63492188e-06 3.39511423e-08 1.34518859e-06
 9.95572123e-07 2.70705325e-08]


0.68129975


60


[8.75699061e-06 1.99259535e-04 9.31161093e-10 3.93928212e-06
 7.95718449e-07 1.62558001e-06 2.21392362e-08 4.25488310e-04
 3.30382609e-05 3.36505182e-05 3.02882950e-06 1.66350816e-07
 1.12798352e-05 4.63129908e-07 4.81778086e-04 3.94485113e-07
 4.18094430e-08 1.75944101e-02 1.02365057e-05 9.41625422e-06
 4.57734473e-08 3.68835487e-08 6.63078845e-06 1.44806177e-06
 1.02176998e-07 9.42327517e-07 5.55732637e-04 8.37028722e-08
 8.33336636e-03 8.72039422e-02 1.75749688e-06 5.22732989e-07
 1.24135544e-03 1.02179489e-04 2.43371120e-03 1.15015253e-04
 9.90852058e-08 8.91937873e-07 5.46894307e-06 3.35062714e-06
 1.43976115e-06 2.42490017e-07 1.01682602e-07 1.52308849e-06
 3.13155738e-07 3.36367023e-08 5.70423310e-07 4.62780918e-06
 4.00064870e-08 8.42226555e-09 1.59914744e-05 7.58818341e-10
 9.60429475e-07 4.71608317e-08 2.03978998e-04 1.46233776e-06
 3.05573660e-04 3.05038225e-06 6.49339112e-04 5.71492762e-07
 7.22511439e-03 2.35245824e-01 6.36270225e-01 1.23492369e-04
 1.14940696e-04 7.52112257e-08 9.10302855e-09 2.82110175e-08
 1.34771744e-06 1.33551836e-07 1.29479304e-07 1.50590108e-06
 1.18621692e-07 3.11164172e-07 2.17769912e-06 2.64599258e-08
 1.11938576e-07 5.26059182e-07 6.58225208e-09 3.34066885e-06
 2.67436178e-07 2.60752671e-07 5.54020403e-08 1.90782575e-05
 9.76594747e-04 2.28359145e-08]


0.6362702


61


[6.50471055e-09 1.71490733e-08 5.53406164e-14 7.59293926e-08
 1.02659732e-12 2.74031561e-11 1.36777863e-11 1.59544999e-09
 1.02919856e-07 1.97099737e-09 1.53473303e-13 5.98205929e-10
 1.73641670e-08 2.75148068e-12 4.68143782e-07 2.31695482e-10
 2.18047403e-11 1.69051953e-06 5.41704404e-10 1.77278803e-10
 2.14245583e-11 3.39324684e-12 7.19310514e-11 8.29559310e-10
 6.58984534e-11 5.17872911e-10 1.14514739e-06 3.94317662e-13
 8.68036659e-05 1.97299966e-03 2.28508901e-09 1.25405897e-09
 2.33765513e-05 5.55696467e-09 3.08894505e-06 3.27548264e-08
 1.09718111e-11 1.83464924e-10 4.96020247e-09 9.97221861e-09
 6.51808274e-10 2.09366524e-10 1.49175481e-11 4.16917056e-10
 9.16368890e-12 7.92968469e-11 7.26805005e-10 2.91986907e-10
 5.12792968e-11 3.14317669e-12 2.29153432e-10 1.82029982e-13
 2.08765991e-10 2.75166574e-11 1.09566658e-08 1.13256817e-08
 5.97420621e-05 1.88670049e-06 1.37413409e-07 9.90388571e-09
 6.52078629e-01 1.32865971e-05 3.45634013e-01 2.12522082e-06
 1.19885728e-04 1.01237636e-10 6.15284698e-11 8.33647561e-12
 2.24257612e-09 2.48277163e-11 1.02929026e-10 3.00397907e-09
 7.03228240e-11 2.07635908e-09 4.69389472e-10 9.57069667e-12
 1.67498820e-10 3.86966859e-09 1.51469104e-12 1.79912640e-10
 2.26015068e-10 1.73809148e-10 1.20161552e-12 4.06735808e-07
 2.64568345e-09 1.19121157e-13]


0.6520786


62


[1.4038187e-07 9.9999022e-01 1.4111953e-10 1.6853055e-07 6.0083240e-15
 1.2895876e-10 3.7561291e-11 3.5546364e-08 5.6125979e-11 5.9289013e-10
 3.0796860e-12 1.8045728e-08 4.3606451e-07 2.6009559e-11 1.9953952e-06
 1.7658717e-09 1.5198682e-13 3.0043804e-10 4.8302495e-10 1.9101436e-11
 1.8879440e-11 1.6180704e-13 3.0974445e-10 7.3067878e-11 1.1006673e-11
 9.2069019e-11 2.3581395e-09 5.3489799e-12 5.3564415e-09 3.3167634e-08
 2.0708922e-11 1.4475064e-11 7.6985325e-09 1.1570465e-10 6.9311814e-09
 5.7481294e-11 4.7596441e-11 1.1041402e-12 2.5369956e-11 1.9269307e-13
 3.7944585e-11 2.9682426e-12 7.3037672e-14 1.5512019e-10 1.2717342e-14
 8.9511054e-13 1.7676458e-11 1.2384007e-12 9.6686927e-13 5.4972991e-13
 6.0927856e-12 4.1629423e-14 9.3942777e-11 3.5938455e-10 1.3055419e-08
 1.5848074e-10 1.3497019e-09 3.1521973e-11 1.2946807e-08 2.1515613e-10
 5.6366691e-08 1.0664571e-06 3.5868233e-08 7.5781532e-09 1.7517045e-10
 8.3451189e-12 2.3257869e-12 6.8085160e-12 5.7407534e-12 7.6689072e-11
 9.8138750e-09 2.3752160e-09 6.0965985e-12 2.3751104e-10 1.3020733e-11
 5.2351323e-10 4.1917295e-10 3.9077609e-11 9.9900806e-13 1.4464151e-09
 3.1837248e-12 1.3114206e-10 8.8104124e-10 3.5103620e-09 5.7494817e-06
 7.4449520e-14]


0.9999902


1


[2.2546162e-07 1.1323508e-06 8.2731169e-11 7.4235266e-01 4.8362630e-11
 4.6230846e-07 4.2147991e-10 1.2096217e-09 3.2076064e-06 1.2414862e-08
 1.1157539e-11 2.0886549e-10 6.9696439e-06 2.0291679e-10 1.3745191e-07
 2.8491248e-10 5.6341110e-10 5.4337129e-10 3.7395506e-10 3.4907424e-09
 4.5932028e-10 3.4331739e-11 1.6555201e-07 2.2762141e-09 4.3018569e-10
 4.4593826e-09 2.0444165e-04 5.1594529e-10 3.7463172e-04 4.4872047e-04
 2.7921200e-07 1.0896432e-06 6.8845775e-06 3.2926144e-07 6.2613096e-04
 2.8652832e-06 1.4023721e-09 2.4626960e-09 1.7620256e-06 1.8210807e-09
 2.1119579e-06 9.1166124e-09 2.4783955e-10 3.5002000e-07 3.8851519e-10
 5.6251155e-09 4.6012744e-08 3.2526145e-08 2.2013904e-09 1.4628350e-10
 3.1202266e-08 3.1485985e-09 4.9527912e-08 5.1368761e-07 4.7463186e-07
 4.6768772e-10 6.0199062e-07 1.7031191e-07 1.2104371e-04 2.2149186e-05
 9.7953416e-02 2.9132102e-02 1.2522627e-01 5.5303151e-04 2.9549622e-03
 2.6530134e-10 7.6383246e-09 1.3854969e-10 2.8022700e-09 2.4637753e-10
 1.2205386e-07 1.0612231e-08 1.2916506e-08 1.6490114e-08 3.4980761e-08
 3.8890551e-08 3.7245204e-08 3.4996507e-08 1.9456582e-08 1.8305714e-08
 2.1040311e-08 1.8354346e-08 1.6865581e-09 4.1308780e-08 1.1403360e-07
 2.6465338e-10]


0.74235266


3


[5.95117740e-07 2.28352107e-07 6.12184803e-10 1.37282740e-07
 9.45351089e-11 9.40722500e-12 2.06879340e-11 1.45361581e-08
 1.87124374e-06 1.63069017e-10 5.23693231e-14 5.15858927e-12
 8.37703666e-08 3.17461439e-11 7.54112008e-08 1.21851622e-08
 4.55402244e-07 2.38089761e-08 5.93726277e-08 8.45621173e-08
 8.35324343e-09 8.66628380e-10 2.72020646e-08 6.15510558e-08
 3.07526560e-10 3.93200444e-10 3.78505405e-07 7.26247773e-09
 4.21168702e-03 2.35565662e-04 5.58498723e-04 1.57666616e-02
 9.70136083e-04 4.37065552e-04 9.77795482e-01 4.52701761e-06
 1.05685753e-08 2.60165666e-06 7.97837856e-07 2.46400816e-07
 3.68546216e-06 1.95981080e-08 2.20438112e-09 7.66200827e-08
 2.60328967e-08 3.78610210e-08 1.03407864e-07 2.17830802e-06
 3.38282149e-08 7.21965543e-11 1.25828350e-07 6.16017827e-12
 1.33033282e-08 1.94176764e-09 1.17399061e-07 2.24861570e-11
 6.51911662e-08 3.53468266e-07 5.93509988e-08 9.46819512e-08
 6.33896605e-07 2.36944402e-07 3.90219803e-08 6.11709738e-10
 4.01685156e-06 4.36392811e-10 4.14538508e-11 3.07209397e-10
 5.29717159e-09 5.18184558e-11 1.62356855e-07 4.20356611e-10
 1.33240430e-09 7.39324477e-08 7.38490824e-10 3.52796209e-10
 1.01142753e-07 3.95681994e-08 1.98155208e-11 2.43861820e-07
 1.37642053e-09 2.08855955e-09 1.86642975e-12 3.69617403e-09
 1.18516272e-08 2.70767686e-10]


0.9777955


34


[4.91331639e-06 1.08868926e-05 1.71432131e-08 9.71282661e-01
 3.21224007e-07 1.24373765e-08 6.42788045e-10 6.87964408e-11
 5.99374050e-10 2.55955452e-08 4.12167589e-09 1.04653786e-11
 1.06697291e-08 3.36956685e-10 2.77822502e-02 2.15074403e-09
 3.95846134e-11 1.38406075e-09 7.69644259e-09 8.19852986e-08
 1.74327452e-09 1.44455270e-09 5.42826019e-04 3.10420356e-09
 4.75929962e-09 1.36980089e-08 1.74557201e-07 9.07121114e-11
 3.43172076e-07 1.42359546e-09 3.97937542e-12 8.55102744e-09
 2.56408272e-09 4.02857268e-08 8.35061709e-09 3.43666301e-07
 1.88411578e-10 2.59155006e-11 4.30647759e-07 4.98858073e-12
 1.72694243e-07 1.84938627e-11 7.00390755e-13 1.00726183e-07
 5.16893006e-13 1.83707961e-13 1.60234170e-09 5.15582244e-10
 1.07502854e-10 1.55955598e-12 2.16044196e-10 1.39689427e-09
 1.58115085e-07 8.33740810e-09 1.13068209e-05 3.06721037e-11
 4.42766551e-14 2.20024975e-12 8.47170838e-07 2.41773135e-09
 2.47258697e-07 3.59505997e-04 1.30915823e-09 4.57028548e-08
 1.36177661e-07 5.03817488e-10 3.09309106e-10 5.96140290e-11
 9.01157760e-11 3.99095618e-10 1.19474578e-06 3.52516544e-10
 7.08239110e-12 6.55841978e-11 9.07646014e-10 2.42980192e-09
 7.60285557e-10 1.88701543e-09 1.26985242e-10 4.64176302e-11
 9.25128463e-12 2.12446900e-11 1.59056368e-09 2.13542569e-11
 8.36729441e-07 6.10502135e-11]


0.97128266


3


[1.57607225e-08 4.89107741e-08 1.96596489e-10 5.88617354e-07
 3.01968980e-13 3.72313373e-13 4.31687889e-12 2.00723775e-07
 6.87760303e-06 1.86580440e-08 2.26130573e-14 1.65541203e-12
 5.02331829e-08 1.44837276e-11 5.06009826e-07 4.12666151e-10
 1.33207723e-09 1.33788802e-07 7.83013476e-09 2.54957140e-08
 5.44685859e-11 7.73046557e-11 1.73022734e-08 3.13108228e-09
 3.16023180e-11 1.95124250e-10 3.55506806e-08 6.76008988e-12
 1.72836883e-06 3.98678109e-02 1.10432435e-13 8.73251975e-06
 2.50524879e-10 1.00884590e-08 1.09792954e-05 1.03780931e-08
 7.70514624e-11 7.64467309e-11 6.43107068e-10 7.76346376e-10
 2.92352448e-10 3.33182787e-11 6.05591532e-12 9.84023640e-10
 6.57704197e-13 1.16477168e-13 9.93180971e-12 1.06805844e-08
 1.93577984e-11 1.54875068e-13 3.34111870e-11 1.09402331e-11
 3.07151977e-11 5.19672694e-10 4.17152668e-09 6.14832621e-12
 2.04804422e-08 7.63457964e-10 2.08039481e-07 9.34262353e-05
 6.65746853e-08 9.59961593e-01 4.05506029e-07 1.31768434e-06
 4.50034750e-05 1.69129225e-11 1.76772811e-12 9.47339754e-13
 1.60418831e-10 1.52425260e-11 1.34397951e-10 2.23422364e-10
 3.55164023e-11 4.35676967e-10 5.12164408e-11 3.03807569e-11
 4.32519309e-09 4.38598953e-08 8.24115461e-13 1.08239084e-09
 1.31736495e-12 6.35847430e-10 4.12851567e-12 3.74405662e-09
 8.24643465e-10 3.63608286e-13]


0.9599616


61


[3.47229907e-08 2.33126247e-08 1.47719406e-10 5.12123165e-07
 3.89142052e-10 5.29015665e-10 1.49392920e-09 1.45549836e-06
 2.15674413e-06 1.36889724e-07 1.04746350e-10 1.96924770e-08
 3.06749342e-07 2.35839970e-09 2.38144071e-06 1.12635718e-07
 2.30485526e-07 4.50814590e-02 3.35641345e-03 7.31974887e-06
 1.09294760e-07 2.09434711e-06 7.82536418e-08 1.84633279e-06
 4.38293881e-08 1.29763702e-08 2.17919728e-06 3.11329379e-10
 5.61122457e-03 5.55193484e-01 2.02781720e-08 8.38887573e-08
 4.39109954e-07 5.68438327e-06 6.16862526e-05 1.55365922e-06
 5.73916452e-08 1.25877548e-07 5.21132542e-08 2.15207388e-06
 1.04148853e-07 2.74589276e-08 8.19912405e-09 1.03510338e-08
 2.06292725e-08 1.04357945e-09 3.67228921e-07 1.35616972e-07
 4.37963763e-08 3.86233795e-10 6.57461499e-08 3.34065176e-09
 1.01964318e-07 2.53085330e-10 1.81446715e-08 2.54203503e-09
 6.38891826e-04 1.27177532e-06 3.85522162e-06 5.37904361e-06
 3.87776792e-01 1.22704194e-04 1.89350662e-03 3.90838650e-05
 1.47132450e-04 2.40835561e-07 3.81093486e-08 1.72905923e-09
 6.20626508e-07 2.30522748e-08 1.20526105e-08 7.54740768e-08
 8.18053536e-09 1.60096633e-07 3.41605613e-07 2.75155365e-09
 5.91704064e-09 1.00027114e-06 1.24701513e-10 1.25438522e-08
 3.24796083e-08 1.67114802e-08 2.67169309e-09 3.21116968e-05
 1.55344949e-07 1.17291551e-10]


0.5551935


17


[6.24339873e-06 2.62990670e-06 2.16463930e-10 9.04307171e-07
 9.69658165e-13 1.72383271e-11 1.79826307e-10 1.14528582e-08
 3.93089198e-04 1.00697676e-07 1.25579820e-12 2.29061197e-08
 6.53619354e-05 1.77246495e-10 8.80524453e-07 3.83918604e-08
 5.60499480e-10 1.39688719e-10 2.01807376e-10 1.17519026e-08
 6.62684740e-10 5.43148825e-11 1.23092887e-08 1.67163918e-07
 2.05492401e-09 2.59739909e-06 2.26837237e-05 5.11393705e-11
 8.91719537e-04 7.60855675e-01 1.87287208e-09 4.71130654e-04
 1.73341334e-06 2.63479308e-07 2.34623021e-03 5.86256306e-08
 3.12131210e-09 2.17287308e-08 2.22125223e-07 1.82293505e-07
 3.25668417e-08 9.82836590e-11 9.49097675e-11 3.16342970e-08
 1.07477950e-10 3.25367441e-11 4.49151223e-08 3.80947611e-08
 2.17899684e-10 3.58937845e-11 2.66924083e-08 4.72953725e-11
 7.10844761e-09 3.93987953e-09 8.77008802e-07 1.64846836e-09
 1.64113226e-05 4.99568031e-08 6.72610486e-06 5.89708543e-05
 4.06850195e-05 2.28433967e-01 3.17810955e-05 3.78244886e-06
 6.30652066e-03 2.09234652e-09 5.79899323e-12 1.28349983e-10
 1.47007484e-07 2.12639392e-10 8.83452755e-10 1.07123753e-07
 3.98520765e-11 2.11754063e-08 7.71105668e-09 3.08797943e-09
 3.74370472e-08 5.60733220e-08 1.37463721e-11 2.27648158e-07
 1.55016125e-10 2.21917205e-08 1.73789629e-11 1.73206736e-05
 2.00779123e-05 6.59058474e-13]


0.7608557


29


[9.26718542e-08 2.56618080e-07 9.68196270e-12 1.03565367e-09
 1.23128436e-13 8.51807513e-11 1.86757077e-12 4.15099066e-11
 9.87832891e-08 3.74008202e-09 2.08846093e-10 6.52104063e-07
 1.19887909e-06 1.35666436e-10 9.93486901e-05 4.90899717e-11
 6.01713904e-12 2.82392526e-10 3.01733638e-09 1.31216316e-10
 3.15970687e-12 1.49781001e-12 3.04610281e-10 4.87970553e-10
 2.48085944e-11 5.11069038e-06 6.33018749e-09 1.84023760e-12
 4.48627330e-10 2.87398327e-09 1.06233789e-11 7.48001128e-09
 1.38944869e-10 5.21947199e-12 2.68341238e-10 3.21875443e-11
 1.15628427e-11 6.65862591e-12 1.82470011e-10 1.03364033e-10
 3.79204793e-11 3.23226119e-13 4.18588151e-13 8.59232518e-10
 2.37383220e-14 1.38005254e-12 4.11483972e-11 1.62301617e-12
 8.59467282e-13 9.34749413e-12 3.60165342e-10 4.71373124e-14
 6.75845768e-11 3.72186101e-11 6.13458610e-07 3.45801943e-10
 1.70512996e-11 1.51174646e-13 3.47246572e-11 2.48854518e-12
 1.15915555e-10 2.89862019e-08 5.54620135e-11 4.24425035e-12
 1.11039933e-09 4.36272112e-12 7.74615967e-14 2.09163077e-13
 4.24200293e-11 3.95615181e-12 5.61609082e-13 4.52712694e-11
 1.01010381e-11 4.44408372e-13 9.03847797e-13 2.03536125e-12
 1.91619615e-12 1.03613871e-11 4.83044763e-15 5.19873901e-11
 8.48563028e-14 2.62069966e-11 4.24708229e-13 1.07790353e-10
 9.99892592e-01 4.07624614e-17]


0.9998926


84


[4.65458212e-03 2.28595945e-05 6.73813494e-09 9.95066881e-01
 6.27278134e-12 5.08427433e-08 2.32515215e-10 3.56894757e-11
 1.45648485e-07 2.01032755e-08 1.10457086e-12 3.88852311e-10
 1.24202271e-09 1.76090853e-09 3.38029821e-07 1.28422273e-10
 1.74649550e-09 6.96141700e-10 1.31148134e-10 1.49124810e-10
 5.23305899e-10 8.55999022e-11 1.03484572e-08 1.49436952e-09
 1.79610077e-10 1.26811539e-08 2.79979169e-08 1.77910089e-10
 2.51276813e-08 1.21603492e-07 7.01768504e-11 7.64969883e-08
 7.39610373e-09 6.92588376e-10 2.40885612e-07 2.43199079e-08
 2.33704556e-10 3.56107331e-11 4.06813641e-08 1.20241785e-11
 5.57378854e-08 7.22139015e-11 4.74031370e-11 4.13626140e-06
 1.45319434e-12 7.70518579e-11 1.32486011e-09 1.13776966e-09
 3.87033357e-11 1.18466591e-11 7.55775373e-11 2.48863730e-09
 4.00016287e-09 9.88564861e-05 1.44963880e-04 1.69281446e-11
 3.50704465e-09 1.02331999e-12 2.71127121e-08 6.04626083e-09
 5.95563741e-08 1.84422629e-06 1.17557101e-06 2.56396926e-09
 2.71188173e-06 3.94765720e-10 1.41605359e-08 6.21810112e-13
 2.22160354e-12 5.64819806e-12 1.94496832e-11 6.24846919e-12
 5.74188030e-10 5.97966746e-11 6.72916306e-11 1.61888680e-09
 4.94641483e-09 1.03414866e-09 5.34641602e-11 1.67876726e-10
 9.18861029e-11 6.22687492e-12 5.50500445e-09 9.78137016e-12
 5.26594306e-07 5.35559349e-14]


0.9950669


3


[4.7899510e-07 3.8491095e-07 2.2706084e-09 2.1798445e-07 1.4131891e-12
 7.0871873e-13 3.4632519e-11 6.5987567e-09 6.2678930e-07 3.5531226e-12
 1.9207597e-15 7.2193340e-10 1.1713091e-08 1.7916200e-10 8.6415985e-10
 2.5549413e-08 1.3578332e-06 2.8976578e-08 2.7414793e-09 8.9424124e-10
 4.3363952e-09 8.2080065e-10 2.0812838e-09 3.5181777e-08 5.7660177e-10
 2.5061908e-10 3.0821048e-09 1.4140216e-09 1.9986343e-02 2.6787308e-04
 8.3038352e-02 8.9224178e-01 7.5655279e-04 1.5267825e-03 2.1598942e-03
 1.2831519e-07 2.4106148e-08 1.6573185e-05 4.3441895e-07 1.6743120e-07
 1.2031565e-07 1.5375820e-08 1.4120966e-10 2.0927983e-07 1.6633495e-09
 4.9720524e-07 2.5325008e-07 4.3880047e-07 2.6418675e-08 2.3720163e-11
 4.4369802e-08 1.6701310e-12 2.3551863e-08 4.8857989e-09 5.1223243e-09
 4.3932300e-13 7.1189078e-08 1.3403076e-08 8.7182555e-09 8.1463885e-09
 2.9652085e-08 3.9366772e-09 6.2898053e-10 8.4476121e-11 4.3918671e-08
 4.2981638e-12 5.6363597e-10 1.2193251e-10 2.0308831e-11 2.1364759e-09
 9.0494492e-09 2.0847464e-11 6.3630643e-09 3.3716418e-08 1.2872156e-10
 1.8222801e-09 3.0637377e-08 4.6142987e-09 1.1666959e-12 1.0245338e-08
 2.0665115e-11 1.0060862e-09 1.9379024e-13 8.7649061e-09 1.0758217e-08
 9.3348090e-12]


0.8922418


31


[2.5044750e-07 3.3821073e-07 1.6135784e-09 3.0141103e-03 4.2428807e-11
 6.3894038e-12 1.4708850e-12 5.0698538e-12 3.0165946e-11 2.1729287e-11
 8.0100997e-13 3.3798080e-09 5.4527178e-11 1.6111288e-11 2.4959201e-07
 4.0214012e-08 5.5752634e-09 5.4577591e-09 4.8464720e-08 4.3405373e-09
 6.5236128e-10 8.8870635e-09 9.9656171e-01 3.3858814e-08 9.0381053e-10
 1.6099913e-12 3.1563643e-10 9.6399917e-13 4.6623696e-09 5.9755955e-08
 9.1210303e-12 1.1909866e-08 1.3937748e-09 5.0878994e-09 5.1777502e-09
 4.7593343e-09 8.2118435e-12 1.7820545e-11 7.9307227e-11 1.8086848e-12
 5.6554671e-11 7.5887525e-11 6.0965854e-14 2.1431133e-10 1.5466864e-13
 5.0199119e-13 5.7544114e-10 2.3812041e-10 1.3420356e-12 8.2564706e-14
 4.9262049e-11 2.8688597e-13 5.3623000e-10 1.1000662e-10 6.9211130e-11
 3.5044900e-13 2.5690406e-13 1.5395117e-12 8.4835410e-09 1.3079355e-08
 1.5692996e-10 1.5456302e-06 9.8955844e-10 7.7238577e-11 3.0314813e-11
 8.5262075e-12 1.0585149e-10 1.9606434e-13 1.8809848e-13 1.2801045e-10
 4.2148409e-04 9.2371579e-12 3.9526431e-11 7.9986122e-11 1.4870538e-09
 5.9536404e-11 6.0266670e-12 1.6912372e-10 1.4499509e-10 1.4746414e-11
 1.9370926e-12 2.9006872e-11 6.3890853e-09 2.1634823e-12 1.3912695e-10
 4.9775798e-13]


0.9965617


22


[3.40479096e-06 7.87568268e-08 1.57600270e-11 9.99990702e-01
 2.01621955e-10 1.84632167e-08 1.16278966e-11 7.01672054e-11
 1.77554871e-09 4.58677043e-08 2.42882187e-10 1.51399932e-12
 3.00426559e-11 8.88388321e-11 4.90225830e-06 4.68829559e-11
 3.67644942e-10 2.03407933e-11 5.69324143e-10 1.58762270e-09
 2.85117641e-11 1.79513571e-09 3.61896355e-07 1.17564444e-10
 2.28413688e-09 1.34920519e-10 8.74283285e-11 2.15339942e-12
 6.25794705e-09 1.24310855e-08 1.14099444e-13 5.80896832e-12
 1.28098036e-11 1.27467106e-10 3.74862329e-11 1.05247047e-07
 5.58124423e-12 1.44710893e-12 2.73848721e-09 2.77132213e-13
 1.85441246e-10 1.59122802e-12 7.48330841e-14 1.19592769e-07
 1.81703289e-14 1.32275376e-13 1.65212552e-10 7.94549843e-11
 3.81079196e-12 1.22682910e-13 2.06872361e-13 8.34821188e-12
 1.66155956e-09 1.48992738e-08 3.21543006e-08 8.84048824e-12
 5.41371215e-14 2.96148743e-15 6.27690344e-10 6.78936587e-08
 2.17322471e-09 2.74637646e-08 5.93689375e-10 1.96464867e-09
 8.31585981e-11 3.17373003e-11 2.41458468e-11 1.44838948e-13
 1.13074593e-11 3.86507840e-12 7.56875274e-09 4.80641460e-13
 4.54292067e-13 5.99916341e-12 4.15979161e-11 1.38267398e-10
 1.86920813e-12 7.92219346e-11 1.61029280e-11 4.12990562e-12
 4.50104662e-13 7.77853910e-12 4.12138823e-10 8.59595869e-13
 1.98576111e-09 3.55156934e-15]


0.9999907


3


[1.5587868e-05 2.9121217e-04 1.9337680e-09 4.3800672e-05 7.7326635e-12
 1.1875196e-08 3.9070338e-09 4.2906984e-07 2.6042699e-07 4.4004403e-07
 5.8760835e-12 1.3135327e-07 7.6048025e-07 6.3538375e-09 4.1969156e-07
 2.0563505e-07 5.3760132e-08 5.3051002e-07 6.3614647e-07 2.3153069e-07
 4.2841437e-09 3.1726803e-08 3.6761691e-09 1.5243662e-08 2.1081341e-08
 1.2532358e-07 4.3103205e-06 4.5322603e-11 9.4480939e-02 7.4828928e-04
 2.2132111e-08 2.7786402e-06 5.8509687e-07 6.9611902e-05 1.4648530e-05
 3.7102879e-07 4.3958055e-09 3.3077285e-08 1.2180698e-07 1.0545674e-08
 1.6626849e-08 2.5926918e-09 2.4210975e-09 2.3960217e-07 1.2260699e-10
 2.4063425e-09 2.8223957e-07 8.0522670e-07 3.2994553e-08 1.1801309e-09
 1.8417861e-09 8.4463792e-10 1.2122262e-08 1.7432452e-06 1.6713350e-06
 3.4914413e-07 1.4819909e-04 2.9024733e-07 1.4653261e-04 3.0410609e-07
 8.5309988e-01 5.0262023e-02 3.9921590e-04 2.3771777e-04 2.0604301e-05
 9.8902415e-09 1.8739193e-08 1.6525982e-09 1.0313439e-07 9.2196686e-09
 1.6588109e-08 1.3142621e-07 6.7791200e-10 1.5384437e-06 2.7958498e-09
 4.2075638e-07 1.7169202e-07 3.2794208e-07 4.5220068e-09 1.0510526e-07
 6.3071787e-10 5.7309149e-09 2.2312388e-07 2.1091428e-07 6.3905944e-08
 8.0550727e-10]


0.8530999


60


[5.83439896e-06 6.85784130e-07 3.38220944e-11 8.11802625e-09
 2.50874354e-13 4.08300650e-12 5.07859553e-11 7.61353340e-06
 3.17906057e-08 2.53800481e-10 2.94151419e-15 8.09196266e-09
 4.32668372e-07 5.33114108e-11 2.17734186e-08 7.87922829e-08
 2.19523120e-08 2.16087901e-05 5.12768165e-05 1.38469341e-06
 7.65545938e-09 1.02632683e-07 1.04775209e-10 1.04993170e-08
 6.20417828e-10 6.76918743e-10 4.64935454e-07 8.23887902e-11
 9.31308448e-01 6.49549440e-02 1.10383212e-07 4.74913077e-06
 1.04654655e-05 4.00946055e-06 2.52432958e-03 3.24985940e-08
 1.00988051e-09 1.45193368e-08 3.51211837e-09 4.38928197e-07
 1.31853495e-09 2.59916466e-09 3.15040355e-10 6.83077239e-09
 9.48937373e-10 4.23746371e-10 2.60655337e-08 2.27649650e-08
 8.30755686e-10 1.48412515e-11 5.49821522e-09 8.08714803e-13
 4.36934988e-10 1.64570597e-11 2.75512839e-08 4.20931623e-11
 4.17939827e-06 3.79287464e-08 3.96322139e-06 6.37202575e-08
 6.89712906e-05 7.72068859e-04 2.48578726e-04 7.13455695e-09
 1.16184833e-06 5.68802061e-10 2.52631943e-12 2.30174647e-11
 5.34144728e-09 3.14653748e-09 7.02550962e-10 7.81749065e-09
 7.48897541e-11 5.63764218e-07 7.81710252e-09 1.69820702e-09
 1.55200048e-08 2.39912140e-07 5.47005080e-11 1.73611127e-07
 7.00109345e-11 8.64681243e-11 4.12501394e-10 2.78755465e-06
 7.22056015e-08 2.81097411e-12]


0.93130845


29


[5.66936142e-09 6.81218060e-09 8.31289031e-12 1.75848935e-08
 1.76464353e-13 2.34908252e-12 1.27279676e-12 5.44635587e-11
 6.23252505e-10 6.20288612e-11 1.05598062e-16 6.93700519e-09
 6.61903670e-08 1.36360714e-11 9.41678291e-10 5.53578117e-09
 1.04535536e-09 5.66209451e-07 6.66571012e-08 1.00029707e-09
 6.23986071e-11 1.89876892e-10 1.84275969e-10 3.04508779e-11
 3.17181247e-11 8.07911984e-12 3.96388117e-07 2.73154925e-13
 9.99340594e-01 7.95007054e-07 3.91372836e-08 4.69175620e-06
 3.41440298e-08 7.25007703e-05 3.61036837e-06 7.13208659e-11
 1.09184890e-10 2.63953193e-09 1.27242483e-09 6.19559293e-10
 1.80660389e-10 1.63963999e-11 2.31691077e-12 1.34030759e-10
 8.02536596e-12 1.18616991e-10 3.07075365e-09 5.61909463e-10
 2.75720197e-10 6.27784413e-12 1.56068977e-11 1.82625196e-13
 1.68672382e-10 7.45810965e-12 4.79044249e-10 2.42810855e-10
 3.37082220e-08 3.00069125e-08 9.32197182e-08 1.79177818e-11
 5.75490820e-04 8.94786069e-07 7.11493398e-09 3.59782071e-09
 1.63085556e-09 3.03867660e-11 1.30779111e-11 1.13452813e-12
 2.38543473e-11 6.31160488e-12 4.19363744e-09 1.19993251e-10
 3.02711849e-11 4.13638318e-10 6.14419583e-12 4.01349620e-10
 5.02794972e-10 1.49055293e-08 2.29156208e-11 4.65883720e-10
 1.36651801e-11 1.61686359e-11 1.26304245e-10 1.13415062e-10
 9.69243366e-11 7.75979053e-13]


0.9993406


28


[3.74651813e-06 9.99971032e-01 5.76396830e-12 1.81437763e-08
 9.05700037e-16 3.15875391e-13 6.13209163e-14 3.49731621e-09
 1.36238091e-12 2.70423739e-10 2.03238594e-16 8.45790549e-10
 1.09734166e-09 1.98983543e-13 4.78284246e-10 1.98764949e-10
 1.51477968e-14 3.35690915e-12 5.76303692e-11 2.39380000e-12
 2.37676090e-13 2.23364187e-13 1.32730354e-11 4.42722551e-12
 1.26622649e-12 9.77179622e-12 2.16245133e-10 2.64862103e-14
 2.50289722e-05 2.34933552e-07 3.11069584e-13 2.69797622e-11
 6.51341203e-10 9.30284916e-09 4.58594052e-10 3.11780576e-13
 1.11320772e-12 5.93175072e-14 2.19494887e-12 1.03082148e-13
 6.50091688e-13 3.36100607e-14 5.15002173e-16 3.59494726e-11
 1.63494419e-16 1.47498709e-14 3.33332775e-12 3.12947124e-13
 4.96531256e-14 9.31126590e-16 1.43808779e-13 3.21976769e-15
 2.89409989e-13 4.07671401e-13 1.90078686e-09 1.18567889e-13
 2.59239613e-12 2.78271525e-12 2.22857691e-10 6.60699468e-13
 2.68419835e-12 2.06296602e-09 1.05775059e-11 8.29063326e-13
 3.57819758e-13 8.49794207e-14 1.02627253e-16 1.02768398e-14
 7.27662356e-14 9.43632542e-13 1.22454838e-10 1.56732391e-10
 2.78112596e-14 1.02828353e-11 1.88969527e-14 4.64763124e-11
 9.67954536e-12 3.96018992e-13 4.51498546e-15 2.43704189e-11
 1.97140566e-15 1.47200015e-13 3.64823866e-11 3.09329853e-11
 4.56896387e-08 1.72803139e-16]


0.99997103


1


[1.66933887e-06 1.97427052e-08 1.04629176e-08 9.00554657e-03
 4.55897473e-12 3.33141799e-08 1.01780855e-10 5.26452250e-11
 2.32542646e-07 1.33742475e-10 1.11025966e-15 1.65143246e-11
 1.47063389e-07 2.76020092e-11 2.13985722e-11 1.49891433e-09
 1.37578633e-08 1.28075006e-09 2.07200118e-10 1.15541610e-09
 2.35130443e-10 2.32961050e-09 1.81650552e-08 9.67958269e-10
 8.59005297e-11 5.56914757e-11 4.13467296e-06 2.91396041e-09
 9.88521814e-01 1.13130105e-03 4.97151177e-06 4.28162195e-04
 1.59838930e-06 5.73159370e-04 1.65978417e-04 3.17561216e-07
 1.59746194e-09 2.97835125e-08 6.40378119e-07 4.35313208e-09
 2.31471972e-07 1.19041443e-08 1.59058683e-10 3.58964621e-06
 2.77781709e-09 1.24847910e-08 2.29795305e-07 9.54606136e-08
 9.41937817e-09 1.16191286e-10 1.36130964e-08 6.74141076e-10
 5.53377966e-08 3.98341740e-07 2.72996692e-09 8.97684965e-12
 1.66038959e-07 3.19007086e-06 1.38495716e-05 4.90981120e-06
 9.34482014e-05 2.51429701e-05 5.03253943e-07 1.23524032e-05
 1.59569197e-06 1.67951536e-12 5.90733862e-09 6.53549159e-11
 6.70565659e-10 1.21541011e-09 8.45205292e-08 1.96333816e-09
 1.32960432e-09 1.66609837e-09 4.00851929e-09 2.64314117e-08
 7.26748040e-09 2.85469177e-08 8.53651816e-10 9.04484931e-10
 4.03892392e-10 3.85927179e-10 9.00179309e-09 5.31214717e-09
 1.44504297e-09 1.88079774e-10]


0.9885218


28


[1.6526532e-05 3.2552631e-08 6.3922628e-10 1.9247716e-06 2.3989602e-10
 2.2272837e-09 2.1411164e-09 6.3508679e-07 6.0044743e-09 5.3621005e-08
 1.5107157e-10 5.2030350e-07 2.2128865e-09 2.3831090e-09 8.4420253e-07
 1.4521007e-07 2.4314900e-06 6.2243569e-01 1.2015800e-03 8.6538394e-06
 6.8211286e-08 7.1537879e-06 1.4688359e-06 3.8621849e-07 2.6039686e-07
 1.6352827e-08 5.1566741e-07 1.9285058e-09 1.1726847e-05 3.6929935e-01
 2.0151953e-08 2.3756943e-08 6.7129599e-07 2.3937065e-04 4.9468423e-03
 2.8096520e-07 1.0445128e-08 7.4826197e-08 1.7930358e-08 1.4139923e-07
 6.4902835e-08 1.2386205e-09 8.9881297e-10 2.9066175e-08 1.7917903e-09
 7.2908943e-11 2.9721482e-08 3.3364088e-08 3.5311949e-09 3.5639358e-10
 9.7864037e-09 4.7859792e-09 2.3749969e-08 1.7419234e-10 6.2997714e-08
 9.3804964e-11 5.5104891e-05 3.8375916e-08 1.4807522e-07 3.6674354e-07
 2.4961543e-04 1.0885975e-03 3.2590970e-04 8.7533139e-05 1.7969439e-06
 1.0030843e-06 2.1768312e-08 1.5126761e-10 2.9938613e-07 1.7221230e-07
 8.2550232e-06 4.2157728e-07 9.0839078e-09 1.2991991e-07 6.8207942e-07
 9.1570573e-09 5.1703952e-10 1.0726523e-06 1.3604987e-09 7.6041284e-10
 3.3328348e-08 2.1659792e-09 1.7867404e-08 1.0586036e-06 1.7014502e-08
 4.2138223e-11]


0.6224357


17


[1.41208511e-04 2.55265659e-05 8.22025736e-09 4.34609719e-05
 5.49219958e-09 2.44613005e-07 8.58616716e-08 1.27036571e-06
 7.14341353e-04 7.10931317e-07 2.11688644e-09 3.48600437e-09
 1.06569045e-04 3.75967844e-08 8.92797198e-06 5.91533762e-07
 1.84060320e-06 2.07494782e-06 4.03800335e-08 4.05818042e-07
 9.07882125e-08 1.26916087e-08 5.17579110e-07 7.25132907e-07
 1.19012661e-07 1.52148993e-03 2.25934578e-04 8.17887909e-08
 4.50786293e-01 3.45762409e-02 8.88077921e-05 9.37999459e-04
 3.31753818e-03 4.07911688e-01 3.01796012e-02 4.46042832e-05
 4.71301604e-07 1.01288051e-05 3.28012138e-05 2.60804500e-05
 8.54225582e-05 5.33635216e-07 6.25552943e-08 7.04575214e-05
 1.13693688e-09 1.74405400e-07 1.18061735e-05 6.36542245e-05
 6.34799520e-08 5.71663250e-08 1.62619690e-05 1.06208087e-09
 9.04852550e-06 3.51646145e-06 1.04107871e-03 2.34671987e-07
 7.13334768e-04 1.11378449e-06 1.30805804e-03 9.75669755e-05
 1.88623480e-02 8.50154366e-03 1.48043269e-03 2.92816013e-02
 7.56646832e-03 5.09277152e-06 4.64904071e-09 1.18688206e-08
 6.42199075e-06 1.34676181e-08 3.49159080e-07 5.83362134e-06
 5.46028502e-07 3.97479698e-06 1.15531357e-07 1.87820774e-06
 2.70923101e-05 4.21306055e-07 2.43830667e-09 6.92193680e-06
 5.48828609e-08 1.17139280e-05 9.49231271e-09 4.23395322e-05
 6.39290811e-05 7.24498683e-10]


0.4507863


28


[8.38299400e-07 4.03678158e-08 2.07945185e-12 3.65430906e-12
 5.11418219e-13 3.04013620e-10 1.59163412e-11 1.01180753e-09
 2.00897531e-07 2.94359592e-10 3.55221214e-10 7.87559618e-09
 9.13631425e-07 8.10304046e-10 8.90571573e-06 2.03508077e-09
 1.53684392e-11 1.35320466e-09 1.95049054e-07 1.43130201e-08
 1.34800721e-11 7.95172261e-11 7.23134816e-11 1.65234870e-09
 7.33812955e-10 8.85422742e-06 2.54629189e-08 1.91048549e-11
 4.79433631e-08 4.38710135e-09 2.40886824e-12 5.25863797e-10
 5.05117947e-09 2.46469400e-09 2.77424334e-10 4.54700694e-10
 1.57713790e-11 1.24460728e-11 4.71613061e-11 3.88313853e-10
 5.94832239e-11 1.27522298e-12 1.02500335e-11 1.66976744e-09
 2.80703737e-13 3.33749819e-13 1.70137543e-10 3.22418758e-10
 2.11609354e-12 3.10880592e-11 2.02051792e-10 2.83485309e-14
 1.01221427e-10 5.85715981e-12 5.20018011e-06 8.21417767e-10
 2.21891971e-09 5.28598562e-12 2.55370889e-08 1.26482755e-10
 1.94801997e-09 1.49814170e-08 2.14958051e-09 2.30661179e-09
 1.89313054e-09 1.09487652e-09 5.32077671e-14 3.77288966e-13
 2.66986294e-10 2.39001513e-10 6.11038889e-13 9.32291844e-09
 4.02110671e-11 5.33793322e-11 5.93969526e-11 9.29942668e-12
 1.63286624e-11 3.36900750e-11 2.55378536e-13 5.28167676e-10
 3.14113340e-12 1.08716390e-10 1.53425172e-11 1.25175731e-10
 9.99974608e-01 4.61623745e-16]


0.9999746


84


[9.9478853e-01 1.7372165e-06 1.9457589e-08 4.0476080e-03 7.7503629e-12
 2.6008443e-08 1.7566550e-10 1.5472170e-11 5.6365902e-08 1.5046359e-08
 4.0859677e-13 1.0210815e-10 1.1401464e-10 6.0156058e-10 2.8211778e-07
 1.7672859e-09 5.0024438e-09 1.9623199e-10 6.8865547e-10 1.4837795e-09
 6.4671886e-09 2.6429794e-09 3.2335126e-09 1.9854556e-09 3.0164996e-10
 8.4481346e-09 1.4294027e-08 3.3549649e-10 5.9324070e-09 3.8953867e-09
 5.6226200e-12 1.5061673e-07 5.8602712e-10 3.1561751e-09 1.1948803e-08
 4.7395552e-08 2.0289441e-10 3.0673968e-12 1.4335289e-07 2.0125997e-12
 1.5107007e-08 3.0598253e-11 1.2175928e-11 1.4523378e-06 4.8280444e-14
 5.0557002e-12 1.5595053e-09 7.3094668e-09 6.2448150e-12 6.7148777e-13
 4.2538875e-11 1.5939777e-09 7.5591933e-09 3.8344701e-06 1.1514063e-03
 2.6993918e-10 4.1687404e-10 3.7108246e-14 9.1825861e-08 2.0395878e-09
 7.2103088e-09 3.2672428e-06 1.0173335e-10 5.3531625e-08 9.5945973e-07
 3.7945345e-08 1.3273693e-10 2.4208093e-13 1.4312421e-11 6.0355318e-11
 2.7656416e-10 1.9893960e-11 4.4700604e-10 4.8044640e-10 4.3669446e-10
 2.6452844e-09 2.0291693e-09 6.7779817e-09 1.0352481e-10 2.1236308e-11
 3.9227534e-11 1.3953222e-11 6.6198430e-10 1.5675598e-13 2.2891764e-07
 2.9454325e-13]


0.9947885


0


[1.9360964e-06 5.0303530e-09 2.9128900e-12 9.9999523e-01 2.0901766e-11
 3.6000334e-09 3.3602318e-12 2.5780395e-13 3.2584796e-10 1.9897158e-10
 5.1575075e-13 1.4850711e-12 8.8683651e-11 4.6940254e-11 7.8005158e-09
 7.4246616e-12 7.0203438e-10 2.4170770e-09 3.3448105e-11 5.1755461e-11
 7.2632768e-11 7.4310014e-10 4.7029829e-09 3.2369399e-11 1.8462085e-10
 1.9562711e-12 9.8395461e-09 3.8176190e-12 8.3234584e-09 7.3560080e-10
 1.8464880e-12 2.7184829e-10 1.5112582e-10 5.6264686e-09 6.4693381e-08
 1.8242793e-09 2.6749932e-11 7.0623186e-12 1.6124210e-07 2.0416164e-12
 1.6411165e-07 3.9568200e-13 1.3794264e-11 1.3957061e-06 8.6159243e-13
 5.1005039e-13 1.9928302e-10 8.0332502e-10 1.0078898e-12 2.5810159e-13
 2.5893554e-12 1.6040237e-09 1.4383230e-09 1.7240201e-09 1.1982168e-08
 7.6316076e-14 7.5764259e-13 4.5733240e-14 1.0617760e-08 6.7263313e-11
 3.5060651e-08 5.3204792e-07 2.7325271e-08 4.3963077e-08 3.0785083e-07
 5.3888477e-10 2.3867495e-09 6.3998415e-14 3.1019028e-12 7.5629164e-12
 1.0608725e-09 8.1094230e-14 4.9550426e-11 2.9217181e-10 3.9662686e-11
 1.7622416e-11 3.5740224e-12 6.9150635e-10 1.1849970e-10 2.8261525e-12
 1.5124636e-10 1.9504775e-12 1.1721034e-10 7.3248550e-14 1.8433909e-09
 8.5522748e-15]


0.99999523


3


[2.43002263e-09 3.28498562e-10 2.12238864e-12 3.51313112e-08
 7.43352157e-13 4.48615835e-13 1.01791969e-12 1.76740688e-11
 9.48605106e-08 4.48634879e-12 5.28437810e-15 2.43993817e-13
 1.27907707e-09 1.37289659e-12 5.91347318e-11 2.34931269e-10
 7.71108972e-08 4.60401672e-09 6.06272255e-10 2.96402625e-10
 3.65126346e-10 1.00606537e-10 1.12314723e-11 2.32910607e-10
 4.23995873e-11 5.68385963e-12 1.44792267e-09 1.47694149e-10
 9.48309480e-06 4.62515663e-06 1.78764603e-05 4.11082328e-05
 7.20460142e-04 4.86349518e-06 9.99201238e-01 1.22525341e-08
 1.92538474e-09 3.95812485e-08 1.22750841e-08 1.59443925e-08
 3.69120805e-08 4.17650414e-10 8.77053985e-11 2.54152277e-09
 8.63766614e-10 1.30458019e-10 7.72219455e-10 2.33101485e-08
 1.42045292e-10 5.01079430e-13 2.18639573e-09 1.96848635e-12
 7.30350225e-11 1.07682075e-11 1.58226265e-09 5.95014091e-15
 2.30821540e-09 2.10882353e-11 3.49380885e-10 9.70591732e-11
 2.68174216e-09 1.82993731e-09 1.91490934e-10 9.39774842e-13
 6.29751113e-08 1.43403756e-09 1.69825894e-12 3.38721000e-12
 2.56443530e-11 3.39817844e-12 3.09066230e-08 9.38123602e-13
 5.36081214e-11 1.09729239e-08 1.52825096e-11 6.02320581e-12
 5.21251597e-10 4.66807126e-09 1.85661881e-12 2.72028566e-10
 1.44298420e-10 6.36251676e-11 1.59929307e-13 1.08672099e-10
 1.08999663e-10 6.59622842e-14]


0.99920124


34


[6.97104815e-06 1.95831447e-07 1.75775589e-10 9.99979019e-01
 6.89320023e-09 1.24646471e-09 4.02145470e-11 2.21444456e-12
 2.48871410e-11 3.92994259e-09 3.80856978e-11 5.55394055e-12
 3.38644252e-11 2.45715948e-11 2.78668176e-06 1.38995843e-10
 1.97776014e-11 7.66333802e-11 1.51735308e-11 1.10087028e-09
 4.88823204e-10 9.93466975e-10 1.04646433e-05 7.10505432e-10
 8.99828101e-10 3.14032203e-11 1.42030374e-10 5.31951696e-12
 3.10558113e-09 6.09916215e-11 7.87186766e-15 1.64252865e-11
 5.43597329e-12 4.08509671e-10 7.04214353e-10 3.00571679e-10
 2.29231738e-11 2.02489894e-13 1.80752533e-08 3.69997435e-13
 4.52246507e-09 3.05372074e-13 6.41541738e-14 2.98549740e-09
 4.85117876e-15 4.43203637e-15 2.54256366e-10 1.55133531e-10
 1.02195032e-12 2.89413269e-14 5.68929322e-12 2.34909758e-10
 8.53203619e-10 2.50767018e-10 1.47861229e-07 2.47401027e-14
 8.44988474e-16 2.47030277e-15 9.56237844e-09 2.04506481e-11
 2.23723505e-11 2.02095777e-07 1.98345698e-11 6.07824624e-11
 5.63191760e-09 4.71664874e-10 2.52010687e-11 2.00745169e-13
 6.78678728e-12 3.92712911e-11 1.89656333e-07 4.30735872e-12
 1.39812792e-12 3.88065302e-10 7.71107761e-11 1.11312271e-09
 3.32446527e-12 6.89720780e-10 1.52057499e-11 3.89785166e-12
 6.72238350e-12 2.72111825e-12 2.18772958e-10 3.12402590e-14
 1.32502445e-08 8.95767327e-15]


0.999979


3


[1.7468911e-06 1.2276886e-05 4.0235126e-09 1.6460133e-04 2.3155371e-10
 2.9546192e-11 2.4372810e-09 1.4455446e-07 2.3102339e-05 4.2937671e-07
 5.1980886e-13 4.2463012e-11 2.8618961e-06 3.6316419e-09 2.6247949e-07
 5.7065925e-08 4.2171484e-07 2.3753479e-08 5.8250724e-09 6.8985408e-08
 4.2350006e-08 2.2203932e-09 7.3241551e-08 5.8772633e-07 1.2099783e-08
 6.6823387e-09 3.2292888e-07 1.2616238e-09 1.6396507e-04 8.1588787e-01
 2.2521709e-08 2.2178309e-02 2.2950357e-05 1.2840773e-04 1.4818600e-01
 1.4857308e-06 1.8556088e-08 3.4413452e-07 4.4108506e-07 7.1449892e-07
 1.4643603e-06 9.5876862e-09 2.7422159e-10 4.0097495e-07 5.8668681e-11
 6.1640104e-10 1.2729608e-08 1.8059806e-06 2.8117162e-09 1.6587069e-11
 3.1553367e-07 1.8484160e-07 3.6333878e-09 1.1481980e-07 1.1703524e-06
 1.5382950e-12 8.8545235e-08 7.3514672e-10 2.2747824e-06 4.4607068e-06
 1.8017314e-08 1.3128695e-02 3.6490228e-08 4.1321118e-07 7.6637225e-05
 1.5884848e-09 2.1858848e-10 4.4685616e-10 7.4463604e-09 1.3794283e-09
 2.8268168e-08 9.4954897e-09 1.9028288e-09 4.5131779e-07 6.2522276e-09
 1.3618405e-08 2.0976033e-06 7.7239986e-07 2.7218085e-11 1.0533816e-07
 3.0230957e-10 1.3857007e-07 1.2034789e-11 1.4601565e-07 3.7009184e-07
 1.5367347e-12]


0.81588787


29


[1.96418250e-06 6.06209578e-05 6.97385644e-07 1.46820712e-05
 1.77942328e-09 1.64420710e-09 2.78039263e-08 6.90820514e-07
 2.83095829e-07 6.58139641e-07 3.25383692e-10 1.53259625e-05
 1.79841052e-04 1.85631507e-07 8.10994941e-04 1.16070332e-05
 1.79063068e-06 1.51194236e-03 3.09925247e-03 9.41282633e-05
 7.57287239e-07 3.79739176e-05 1.00249388e-04 2.44406983e-05
 4.18754951e-07 3.10138510e-08 2.98180985e-05 1.89042537e-09
 3.44729908e-02 6.42762461e-04 3.17206315e-08 6.65093785e-06
 1.56287285e-07 3.04122665e-07 1.69740692e-02 3.00902485e-07
 1.15253854e-07 3.28910915e-07 2.79436563e-07 1.17972115e-06
 2.75133971e-07 2.51271985e-07 9.33484490e-09 5.72909400e-08
 5.79235770e-09 4.59081884e-09 1.13956048e-06 4.09810994e-08
 1.58825593e-08 1.12030263e-09 1.68962032e-07 1.97898942e-08
 2.91193736e-08 1.55030460e-08 5.49731318e-08 9.00611408e-09
 1.13748711e-05 7.41235837e-08 7.43349723e-04 4.37648559e-05
 1.21475174e-03 9.37968075e-01 3.04511166e-04 1.62539727e-05
 1.39764545e-03 1.69750038e-07 5.65284886e-09 6.73482958e-09
 3.40252723e-06 8.55000417e-06 1.08496366e-04 4.16016810e-05
 2.17310401e-07 6.65417974e-06 3.46769752e-06 2.93121275e-06
 8.30208535e-07 3.77865899e-06 5.21058219e-08 6.66942788e-06
 5.40680321e-06 2.27532996e-06 6.03388457e-07 4.99292264e-06
 5.37157916e-07 7.36185390e-10]


0.9379681


61


[3.7498337e-06 1.2896153e-04 2.1405391e-08 4.1240055e-05 5.7743838e-13
 2.0908439e-10 1.9696057e-10 2.9478022e-07 1.7642231e-05 5.5101900e-08
 2.8770716e-12 2.2139952e-08 2.4091048e-06 1.3999775e-10 3.2207565e-05
 4.2548113e-08 4.3986950e-10 5.4800989e-08 3.6959037e-08 2.6881734e-08
 9.2042851e-10 2.3691396e-08 8.5843055e-08 1.3177749e-06 1.2001881e-09
 1.6515806e-08 4.3271680e-06 1.6350545e-10 2.1627839e-03 4.0789187e-01
 3.4552100e-10 1.0095839e-05 7.0328490e-08 3.0854647e-08 9.7703445e-04
 2.4372923e-07 1.5933768e-08 4.4700803e-09 7.6494196e-08 1.1224911e-07
 2.8051817e-08 1.9860544e-09 8.5070818e-11 1.0495627e-07 2.7299982e-10
 1.3893503e-10 5.1346124e-08 7.8838504e-08 1.2176870e-09 2.0721437e-11
 3.9855834e-08 2.4641708e-10 1.5858273e-08 1.6251060e-09 1.9808094e-07
 8.8241142e-10 1.4599111e-05 3.7860836e-08 2.6408034e-05 3.3862860e-05
 9.5230040e-05 5.8393002e-01 7.7129679e-04 5.8708756e-05 3.7446776e-03
 6.6577172e-10 2.8589554e-11 5.5832672e-10 1.4966561e-08 3.0873334e-10
 5.0277567e-08 3.4237425e-07 5.3939724e-09 7.9234525e-08 8.3368858e-09
 4.1038959e-08 3.8632621e-08 4.9828010e-08 1.9702510e-11 1.5784617e-07
 4.6558474e-10 2.8874192e-07 1.6830503e-08 4.8198737e-05 4.3208198e-07
 5.8185406e-13]


0.58393


61


[1.83286629e-05 9.99490738e-01 8.99173500e-08 2.42341969e-07
 2.39359075e-12 1.44231871e-09 2.47141285e-09 3.78981604e-05
 3.73457260e-06 9.09741473e-08 1.77116349e-10 4.51252345e-06
 8.41432325e-07 9.18484666e-09 9.76065567e-05 5.17588390e-08
 4.83500628e-10 4.68989292e-08 1.80846058e-07 2.49608978e-09
 6.88356538e-10 4.57596350e-10 2.71600942e-09 1.01457445e-07
 7.08713754e-09 4.15351700e-08 2.66339217e-08 3.50677376e-10
 8.92591459e-08 4.86995777e-05 1.02398878e-09 1.37804381e-08
 4.00877598e-09 7.89476748e-11 2.43218096e-07 6.74773837e-09
 5.18626742e-09 1.27223676e-10 9.99360372e-10 1.19309296e-09
 1.17257606e-10 5.88707000e-11 2.25818267e-10 1.33151318e-07
 1.18712176e-11 5.99572197e-11 1.10228204e-09 1.24107935e-09
 9.98523417e-11 2.34434260e-11 1.52258828e-08 3.54924562e-11
 1.15575471e-09 4.79131090e-09 2.05249137e-07 1.40511887e-08
 5.58893134e-07 1.26853250e-09 4.76307804e-07 6.20386891e-06
 1.93917291e-08 2.80124732e-05 3.28028955e-06 5.91928938e-07
 9.54086204e-07 2.76209211e-09 7.77536646e-11 3.16296156e-10
 1.72213621e-08 3.37032380e-09 4.33113190e-09 3.13631773e-07
 2.42520204e-09 1.05927471e-08 2.51614063e-10 9.16345186e-08
 2.23364367e-08 2.31409536e-09 4.76829253e-12 2.44697759e-07
 5.60215971e-11 4.48483419e-08 5.25813126e-09 1.54301233e-06
 2.53506529e-04 1.17948755e-13]


0.99949074


1


[3.65467145e-07 2.17339817e-07 9.77561001e-08 3.91225144e-03
 8.76367243e-11 1.36411360e-09 7.41039630e-09 1.24760447e-06
 4.35958966e-04 2.43233025e-08 7.14149573e-11 3.43392550e-08
 2.91843185e-06 1.83496187e-08 3.32887964e-07 5.12762988e-09
 2.50527955e-06 8.19445413e-05 4.39031601e-06 6.18667798e-07
 2.43130511e-08 4.35800303e-08 3.34996706e-08 8.07953597e-07
 2.35069180e-07 4.66960834e-08 8.65545189e-06 9.52980805e-10
 5.94419407e-06 2.84656845e-02 8.07176121e-08 7.02607358e-05
 7.81669655e-07 4.59428111e-06 1.69219472e-03 2.50584594e-06
 4.56826044e-09 6.52968382e-08 1.18004451e-07 2.66814453e-07
 2.00208689e-07 3.85295067e-08 4.25962288e-09 1.11276805e-07
 1.67577688e-10 2.98239788e-09 1.57379574e-07 6.25702569e-07
 2.34168009e-08 3.69262926e-10 2.98318866e-07 8.82948559e-09
 5.67657281e-08 1.51694351e-07 1.42715294e-07 5.30916755e-10
 4.64890065e-04 1.15781813e-06 3.02322551e-05 4.83598938e-04
 1.64668585e-04 2.15848297e-01 5.47615066e-03 1.18205182e-01
 6.24618232e-01 3.54007756e-09 8.08466982e-09 1.76283799e-09
 2.17110056e-07 2.58035615e-09 5.70566083e-09 2.30735225e-07
 1.01440456e-08 1.14506497e-06 5.34297087e-08 6.12128446e-08
 1.40618639e-07 2.06670916e-06 1.57868774e-10 1.31770719e-07
 1.30936550e-09 5.77967683e-07 1.24285005e-09 4.74629815e-06
 1.08511256e-06 3.66068495e-11]


0.62461823


63


[5.21321681e-07 9.55879477e-06 8.55089194e-11 1.23188599e-07
 2.92224652e-15 2.93736965e-14 3.28249511e-11 5.00837359e-07
 1.41781970e-06 7.82247600e-10 1.41850388e-12 8.75031247e-08
 1.57749813e-08 1.03780269e-10 2.30188402e-08 2.91782626e-10
 6.90178359e-10 1.95963764e-07 5.39187539e-09 7.64129815e-10
 2.47896738e-11 8.33609917e-11 3.32151917e-10 5.45803758e-08
 1.10347842e-09 9.53809121e-09 2.85257397e-06 1.85353902e-12
 1.46567418e-05 1.07274596e-02 6.08723241e-08 3.91266940e-06
 7.50906565e-07 7.73909756e-11 1.06448308e-03 2.09164708e-09
 4.47824347e-11 3.63152231e-10 6.40373921e-10 3.10297965e-09
 3.39288847e-10 3.64938774e-10 1.35939888e-11 1.15609085e-10
 2.38362585e-12 7.26520146e-12 2.50555199e-09 2.33220843e-09
 3.24197648e-11 1.52748487e-13 3.34727823e-09 1.05253935e-12
 2.36054482e-10 9.79071477e-11 5.40843992e-08 2.79368586e-12
 7.09752112e-06 1.56832982e-08 2.32157709e-05 6.32381898e-06
 1.53896490e-05 7.51609504e-01 7.39717335e-02 1.22397087e-05
 1.62527129e-01 7.66259112e-10 3.27104966e-12 1.52602963e-12
 3.13905946e-09 5.56700908e-10 7.49677598e-10 1.15945809e-07
 3.64157288e-10 1.70244174e-08 3.13668813e-10 8.10629827e-11
 2.43923068e-08 1.79818134e-08 2.01987233e-12 5.23393702e-08
 6.02464120e-11 2.55147903e-08 1.33958756e-11 1.88933939e-07
 1.40418109e-07 4.25651717e-15]


0.7516095


64


[3.9824381e-06 1.9844692e-06 1.2322384e-07 9.2524868e-05 2.6009379e-11
 2.7581240e-09 1.8051375e-09 3.5434641e-07 3.7977146e-04 1.5328018e-08
 1.5698070e-06 1.6859977e-07 3.0736355e-06 6.3790208e-07 4.7920672e-05
 4.2915907e-08 2.5099082e-08 5.4031021e-05 7.6015800e-07 7.2823156e-08
 3.0803331e-09 1.4887223e-09 5.2487230e-06 3.0965728e-06 3.2127328e-08
 2.0413527e-06 1.2536117e-04 6.6005263e-09 2.6412506e-06 2.2530067e-03
 7.2774142e-08 5.3321339e-05 5.1560050e-07 2.5957988e-07 2.4402105e-04
 8.5184422e-07 4.6249737e-09 4.0756909e-09 2.1854251e-07 2.3088369e-07
 1.7559061e-07 1.3533994e-09 1.0205400e-09 7.5170834e-07 4.0192551e-11
 1.4719220e-10 4.1054366e-07 1.3581725e-06 1.4824376e-09 1.6638391e-10
 2.9885625e-06 5.2736493e-10 1.0734749e-06 6.9437134e-10 1.5980757e-05
 2.0185592e-10 5.7560341e-05 1.3005942e-08 3.3938067e-03 6.3041747e-03
 7.3628328e-08 8.8616753e-01 2.1295378e-03 5.9388690e-02 4.7663753e-03
 2.3194799e-08 7.0325751e-10 1.6240816e-10 2.9633927e-07 3.4398355e-09
 1.4869332e-07 9.5140450e-07 3.5820446e-07 1.6152502e-07 3.3774651e-07
 6.4366033e-09 3.2868261e-08 1.6286191e-07 1.1591749e-09 3.7421605e-06
 1.1725347e-09 2.6521218e-06 1.0038043e-09 7.8321063e-06 3.4474798e-02
 9.0340224e-13]


0.8861675


61


[2.2338160e-09 8.7916616e-09 9.1123682e-14 9.4032782e-10 4.9255474e-16
 9.2419311e-14 1.6160733e-14 2.5756047e-11 9.7232856e-08 3.9317147e-10
 3.7183621e-11 3.4488650e-09 3.1379401e-09 2.5910060e-12 4.9026204e-07
 6.7756002e-14 6.0882081e-15 3.5759668e-12 1.8330665e-12 4.0804231e-13
 4.8850008e-15 4.8833583e-16 3.6718246e-12 9.5557026e-12 2.9377520e-13
 1.0920300e-08 6.4884248e-10 2.1384772e-13 3.1985807e-12 1.1664623e-08
 1.0395185e-13 1.1122831e-10 3.1323760e-11 3.6517005e-13 6.2727892e-11
 4.2785987e-12 2.2722370e-13 2.8447923e-14 2.7002481e-13 1.6845276e-12
 6.2950160e-13 7.7136156e-15 1.0239640e-14 6.8485885e-12 2.1098290e-17
 1.0121382e-15 6.4338216e-13 1.1889468e-12 1.2522583e-14 8.0382932e-14
 1.5198577e-11 3.4958688e-16 1.3727123e-12 2.2609005e-14 5.7720420e-08
 6.4095333e-13 1.2464929e-12 9.1994060e-14 4.1984849e-12 3.6719412e-13
 5.5778333e-12 5.0589335e-08 1.0776778e-09 1.2205460e-11 6.6812256e-10
 4.9228101e-14 4.6202293e-15 1.6255384e-15 1.5863768e-13 2.1271710e-14
 8.6204994e-16 7.8304845e-12 2.8734304e-12 3.0912339e-14 4.3642637e-14
 5.3199209e-15 1.9155223e-13 3.0215340e-13 4.5642380e-17 4.8928882e-12
 3.6331615e-15 4.7955222e-13 2.2216283e-14 6.5656777e-12 9.9999928e-01
 1.4849634e-20]


0.9999993


84


[3.96240182e-07 4.03474087e-06 9.00524322e-10 9.69474494e-01
 1.47448494e-11 4.10598311e-09 4.74323969e-10 1.45832644e-08
 4.20694960e-06 1.28770338e-07 1.90806676e-11 3.20191740e-09
 3.32577557e-08 9.41617895e-10 2.57823643e-07 1.66045962e-11
 4.21068824e-09 9.34048785e-08 5.41845846e-10 2.37887210e-10
 3.42277838e-11 5.46197428e-11 1.60180278e-07 3.25673555e-09
 3.89740573e-10 3.28615108e-08 2.05002081e-07 6.59465038e-10
 9.45095235e-06 1.26299460e-03 1.46499435e-09 1.71204738e-06
 3.42284409e-07 2.36835280e-08 6.26693782e-06 1.09253456e-07
 3.10773907e-10 3.14668208e-10 1.60226019e-08 5.79582049e-10
 1.39116850e-07 4.59655175e-10 8.31295144e-10 1.55039061e-06
 2.19200751e-11 2.19351010e-10 2.33188402e-08 3.33754393e-08
 5.83406212e-10 2.36701266e-11 4.52266802e-09 3.91083194e-10
 2.31473027e-08 4.30155040e-08 6.20341964e-08 4.70722517e-10
 3.05824159e-07 3.81554965e-09 2.99330935e-07 2.09784025e-06
 1.11582995e-05 5.39215456e-04 2.76010390e-02 1.51190005e-04
 9.27592337e-04 2.10324272e-10 9.41440614e-09 4.46709163e-11
 7.77996223e-10 1.11025165e-11 5.58716517e-10 9.84320070e-10
 3.59455110e-09 1.81478776e-09 3.22079519e-09 8.73303119e-09
 1.70181058e-09 4.63723726e-09 4.74730984e-11 4.14067447e-09
 7.63291930e-10 8.14128709e-10 2.49691601e-09 1.59149014e-08
 1.85681984e-07 3.49936849e-13]


0.9694745


3


[1.23235316e-06 2.64480263e-06 2.12906226e-09 1.10011467e-06
 5.11733277e-12 2.51526621e-12 3.66799473e-11 3.08382688e-08
 6.93032746e-07 7.32457012e-11 9.41655066e-14 4.82356932e-10
 1.16036345e-08 4.27142210e-11 8.08755196e-09 7.10682784e-08
 8.26115468e-07 6.43616943e-07 9.20216081e-09 5.64647307e-09
 2.08644639e-08 1.29472533e-09 2.02273558e-08 3.55118317e-08
 1.69655612e-09 6.77883791e-11 2.86528357e-09 2.50261856e-08
 7.30190128e-02 3.12925840e-04 3.23995054e-01 1.83761232e-02
 1.97787490e-03 2.71350291e-04 5.82020402e-01 2.16873173e-06
 3.53220742e-08 1.46953516e-06 3.31101546e-07 5.79909397e-07
 3.02770695e-06 1.40717063e-07 2.94040170e-09 3.95941214e-07
 7.32563921e-09 3.43508404e-08 1.06956657e-06 2.81184111e-06
 1.54058100e-08 8.41773352e-12 1.78677212e-07 3.23906743e-12
 2.19631332e-07 8.22773030e-11 6.26708685e-09 1.91300548e-13
 9.37171336e-08 1.02939852e-08 1.99488397e-07 3.34688309e-07
 7.14748083e-08 1.31249692e-07 1.64780914e-07 1.57096236e-09
 1.96627707e-06 2.59497313e-10 8.83538659e-11 1.42987497e-10
 2.57618898e-10 2.97859959e-09 3.29825957e-06 5.40711032e-10
 1.74073627e-08 5.21058325e-07 9.11954456e-10 2.73615952e-09
 1.12551113e-07 8.72089245e-09 7.97985428e-11 3.44583810e-07
 7.52070073e-10 1.72922690e-08 7.68000333e-12 2.85549735e-08
 8.20901846e-10 2.13823208e-12]


0.5820204


34


[7.43442063e-09 1.81504518e-07 2.54201157e-11 9.99958754e-01
 1.56840008e-09 4.18239610e-11 1.30127272e-11 1.90568698e-12
 1.96296191e-11 1.99327069e-10 4.24357841e-11 5.13889820e-13
 7.17201784e-11 1.10185923e-11 2.06633831e-06 3.16411350e-12
 5.33401925e-12 5.87616804e-12 1.12481313e-12 1.55543634e-11
 1.52726998e-11 2.16008526e-12 3.10310279e-05 7.99815630e-11
 3.70382856e-11 6.74940702e-12 3.84690890e-11 2.70101433e-13
 3.85356591e-09 3.59387659e-10 1.14012202e-14 3.29237540e-11
 1.12735953e-10 2.43997572e-10 7.50658646e-10 3.58441077e-09
 8.00510808e-13 2.07849654e-14 6.38197051e-10 1.42908512e-13
 4.34134756e-10 1.31448314e-12 9.55027192e-15 2.74203632e-10
 6.55446324e-16 2.06813470e-15 8.77196787e-11 9.18144293e-12
 1.70510768e-13 1.06026070e-14 2.40415739e-12 2.64130167e-12
 6.73770928e-10 2.76326670e-11 7.92698263e-09 3.31870367e-15
 6.95320029e-15 2.12421132e-13 3.63024744e-09 1.47597642e-10
 8.73539074e-10 7.70410497e-06 2.03340846e-08 2.19853713e-09
 8.43914538e-09 9.24436829e-12 1.68922185e-11 2.62923228e-13
 1.21574452e-12 1.32755742e-12 1.77893611e-07 6.17201169e-12
 1.48116133e-12 1.22488322e-11 1.32479416e-10 1.09383586e-10
 3.42940032e-13 1.96694702e-10 1.59140474e-12 2.01283716e-12
 1.63953595e-13 3.14554437e-12 3.26699674e-11 9.39067075e-14
 1.54681090e-09 1.74035286e-14]


0.99995875


3


[1.56515798e-05 3.41842533e-04 3.13420472e-08 2.11732555e-03
 1.97893438e-10 1.34755735e-08 2.35236939e-07 6.72926326e-05
 1.49101150e-04 2.12512077e-06 3.86595062e-10 1.31421818e-09
 3.43281783e-07 2.18258407e-08 8.09784706e-06 1.12712058e-07
 3.54587911e-07 3.70291527e-05 8.06829519e-07 3.77591414e-06
 1.28709800e-07 5.78664050e-08 1.18594119e-06 2.75067737e-06
 1.24904625e-06 1.21979284e-07 7.74131649e-07 6.13017770e-09
 8.41983012e-04 6.79701924e-01 5.04827540e-08 5.74062615e-05
 4.59266494e-06 2.00428121e-06 2.08931058e-04 2.55614577e-05
 1.19599610e-08 2.78119501e-07 9.50659398e-07 1.32002029e-07
 4.18849595e-07 1.29411475e-07 2.80002492e-08 7.77701302e-07
 9.84262671e-10 4.48395943e-09 5.64353570e-07 9.45691863e-06
 1.14031756e-07 6.55336507e-10 3.81484924e-08 2.46299532e-08
 7.72928502e-07 8.76624085e-07 6.86933572e-06 3.22111093e-09
 6.57013297e-05 4.53402345e-06 4.60047217e-04 1.39111429e-02
 7.20032118e-03 1.55417964e-01 6.25525564e-02 3.13985208e-03
 7.36124739e-02 6.69764404e-08 1.00837440e-06 1.38430565e-08
 4.64898267e-06 2.72407033e-06 4.41576020e-07 2.45971387e-06
 1.46693608e-07 2.16730791e-06 7.78002800e-08 1.33941839e-07
 7.32233786e-07 1.57346176e-06 3.22893556e-09 1.02840306e-06
 3.94204562e-08 6.76104037e-07 7.00599045e-08 2.98318491e-06
 1.40755503e-07 1.56113650e-10]


0.6797019


64


[5.92649076e-06 5.06424585e-05 2.35873841e-07 4.04000275e-05
 2.23848273e-10 4.01781932e-08 7.71058684e-09 1.75103123e-05
 3.05471730e-07 5.90033444e-08 2.05049329e-08 9.89384930e-09
 2.29312903e-07 5.23366133e-08 6.00558378e-05 9.60950288e-08
 9.49441485e-08 8.28604680e-03 2.82642413e-05 3.71196506e-06
 1.33435833e-07 4.71133106e-08 1.79998949e-06 1.52867176e-06
 2.72143154e-07 1.46851873e-08 2.18287532e-05 8.75888073e-09
 5.36125262e-05 8.82289466e-03 6.32922603e-09 1.41587975e-07
 8.18659718e-09 7.50417314e-07 4.87715370e-05 1.87693313e-05
 6.97672178e-08 2.65275073e-08 4.07847836e-07 9.81895738e-08
 9.12211135e-07 1.50453905e-09 3.16578896e-09 1.78166772e-06
 4.53673571e-10 2.14845766e-10 5.67350867e-07 4.16281580e-07
 2.59212065e-08 1.77629605e-10 1.60523896e-07 3.99991151e-08
 2.76952710e-06 2.45732168e-09 6.75439139e-07 3.22244542e-09
 1.41861265e-05 1.75531198e-08 8.66358578e-02 9.67248902e-03
 8.88835857e-05 6.29393101e-01 9.37694509e-04 2.55663931e-01
 9.81542398e-05 2.28926794e-07 1.32053861e-08 5.76690196e-10
 3.05633449e-07 8.44312140e-08 7.41715098e-07 1.66610789e-06
 2.02284582e-07 9.89597311e-07 1.09893142e-06 1.22498065e-07
 9.44970822e-08 8.35622416e-08 2.18007568e-08 6.24578115e-06
 1.58085776e-08 6.43001897e-07 5.55771118e-09 7.84773783e-06
 3.09103962e-06 2.58668031e-10]


0.6293931


61


[7.48944046e-07 6.92490858e-07 5.26773292e-10 6.26895371e-06
 1.38058423e-12 5.66347793e-12 2.75276413e-10 1.30290155e-05
 1.68257407e-06 4.63318344e-08 1.36942779e-12 4.74728923e-09
 4.11969125e-08 1.13914239e-10 3.14350700e-06 3.03936218e-08
 7.65527641e-09 2.48450965e-06 1.01715223e-08 3.99480538e-09
 3.00958258e-09 1.47191204e-10 4.49939280e-10 1.89594360e-07
 4.69586769e-09 6.08175899e-10 7.37366463e-07 8.08659320e-11
 1.61019325e-05 9.77274179e-01 1.82722335e-08 1.10582823e-06
 1.73598735e-07 9.16262479e-08 8.50994547e-04 4.69872839e-06
 4.56926541e-09 6.03398487e-09 4.99764070e-08 1.48696802e-06
 1.50037863e-07 6.55802923e-09 1.02032882e-09 2.08959854e-08
 6.53123722e-10 3.73466230e-10 8.82503244e-08 1.03512143e-07
 5.17171417e-09 1.87457438e-10 4.02749869e-08 8.39459613e-10
 3.21011413e-08 4.81230666e-10 4.22418935e-08 2.42549120e-10
 1.79288272e-05 4.00303236e-07 8.32300145e-07 2.29603247e-04
 1.17445132e-03 8.28133337e-03 4.44175443e-03 4.21811739e-04
 7.21471384e-03 3.80962462e-09 8.70344685e-10 2.31240749e-10
 4.28550884e-08 6.37293607e-10 1.15807763e-09 1.11331637e-07
 3.57549501e-09 1.87456408e-06 7.43642348e-09 1.10499698e-09
 1.78220141e-08 1.19301103e-06 4.04904409e-11 1.63811180e-07
 1.85405091e-09 2.11888363e-07 3.24033196e-11 3.50044866e-05
 1.21447759e-08 2.64846521e-13]


0.9772742


29


[1.03171347e-08 9.99999881e-01 4.27415568e-12 7.10455250e-10
 2.23445280e-16 2.80024984e-15 9.37867066e-14 1.13701304e-07
 1.31802956e-12 3.18607335e-10 9.42054628e-15 2.54342791e-09
 2.58735211e-09 3.29529074e-13 7.67677477e-09 2.87802269e-12
 3.71812990e-15 3.11195601e-12 3.20577115e-12 6.84193980e-14
 2.74716891e-14 2.00167607e-15 1.40180660e-13 8.12649644e-13
 4.85597836e-13 1.10729763e-12 1.81992702e-12 1.13856500e-14
 1.94664174e-10 6.97683300e-10 4.94992908e-14 2.55730116e-13
 3.27204548e-11 1.87590574e-14 8.59040825e-11 9.26281350e-14
 4.05973730e-13 1.34197643e-15 3.62503911e-14 3.09749043e-15
 5.40801365e-14 3.58869945e-15 8.33490584e-16 8.38673488e-12
 1.81137897e-17 5.70196195e-15 2.54694100e-14 2.51740627e-15
 3.05311141e-15 2.89257860e-16 7.53404771e-14 1.33899021e-15
 6.43912617e-14 1.14308790e-12 4.86842858e-11 9.25691408e-14
 1.02612417e-12 6.47963467e-14 9.65508437e-11 2.02772191e-11
 2.30505122e-13 2.37558773e-09 1.02338492e-10 1.48622488e-13
 1.49852578e-11 3.61046750e-13 4.95105687e-16 1.04628178e-14
 1.71703146e-13 2.64273586e-12 4.54811492e-12 1.25241865e-11
 4.69589645e-13 6.17966312e-12 3.34013975e-15 1.66771996e-11
 1.39187828e-11 1.15108465e-12 1.46378093e-16 2.02855371e-11
 1.32742017e-15 1.05591187e-12 4.84873426e-12 1.45957500e-11
 1.03841398e-08 3.51336693e-18]


0.9999999


1


[1.55347789e-06 7.90398335e-05 4.44249395e-07 8.09439793e-02
 1.11392544e-11 8.32960090e-10 2.15939666e-09 5.91866979e-07
 5.29805198e-04 3.51754306e-06 1.00106208e-11 4.53464821e-09
 1.52656721e-05 2.61976552e-10 2.88681485e-06 7.28631777e-09
 1.89706721e-08 2.81849246e-08 2.09522799e-09 2.12106350e-08
 4.35319158e-09 7.65916566e-11 1.25562053e-07 4.02855775e-08
 3.42825057e-09 3.87513160e-10 3.83817587e-06 2.00338013e-09
 1.61854215e-02 5.95612712e-02 6.12725728e-07 1.95040811e-05
 1.52508301e-05 6.40380790e-07 3.08444817e-02 6.42543000e-06
 2.35208351e-08 1.59281743e-08 1.57240754e-06 4.00557987e-08
 1.30321598e-06 3.05341104e-08 4.35252501e-10 1.31806257e-06
 2.25252106e-09 5.69171688e-09 2.06100719e-08 6.13334592e-08
 2.05340296e-08 5.22855925e-11 2.43597668e-07 8.23171309e-09
 2.33514204e-08 5.05063383e-07 7.67174072e-07 1.18739363e-09
 6.96209554e-07 1.13664136e-07 5.60975059e-06 3.24525055e-04
 1.20809163e-04 8.00760210e-01 1.47937331e-04 1.90459123e-05
 1.03911171e-02 1.86940019e-10 1.32794742e-09 6.41821796e-09
 5.77914605e-08 9.40704759e-09 6.87536954e-07 6.61458330e-07
 5.28908739e-09 1.47159881e-06 8.78580941e-09 8.55195026e-07
 2.66392863e-06 2.01335820e-06 9.58870094e-10 1.13759995e-07
 1.48745172e-09 2.49957992e-07 1.41118832e-07 1.53476094e-07
 9.68662377e-08 9.51745682e-10]


0.8007602


61


[5.44800714e-05 4.76446949e-05 2.59905534e-07 5.00872593e-05
 3.39891915e-09 4.06411391e-06 7.53622430e-07 4.21182718e-04
 1.86490524e-05 4.50784455e-06 3.02663295e-07 8.66815412e-07
 5.33286880e-07 9.71478926e-07 4.37399751e-04 2.62805861e-06
 8.37466905e-06 1.59112424e-01 1.82477515e-02 7.62899435e-05
 1.21281073e-06 3.34928336e-05 1.86612215e-05 1.00027457e-04
 1.19174574e-05 1.68896577e-06 7.40847609e-05 1.15044884e-07
 6.87008770e-03 4.71275419e-01 3.40424481e-06 1.74569971e-06
 1.11759464e-05 1.11836980e-05 6.09648814e-05 3.92647635e-04
 9.54642474e-07 8.88915929e-06 8.67766994e-06 5.20864569e-06
 2.00971062e-05 2.47345298e-07 1.57071014e-07 4.20019278e-05
 4.61650552e-06 1.06452069e-06 2.85591177e-05 2.85505666e-05
 6.04170282e-06 8.20977775e-09 3.79087737e-06 4.57665635e-07
 1.65713336e-05 1.16473295e-07 1.03246373e-06 1.58050035e-08
 6.23657019e-04 4.61812451e-05 5.98737039e-03 2.78572470e-01
 1.36299273e-02 4.46457998e-05 2.42448617e-02 5.10687660e-03
 1.37586677e-02 3.28611713e-06 1.25425562e-04 3.21357021e-07
 1.32099540e-05 4.84262455e-05 8.95901831e-05 1.31973111e-05
 9.62453782e-07 8.90613373e-05 1.79442177e-05 1.56634462e-06
 2.03229135e-07 7.52898723e-06 1.33357460e-07 7.73530792e-06
 1.40461793e-06 7.64354468e-07 7.39163056e-07 1.76501217e-05
 1.21313515e-05 8.40323278e-09]


0.47127542


59


[1.34608925e-07 3.31339010e-07 3.07541159e-10 7.30406509e-06
 4.22224945e-13 1.38284564e-10 4.32888309e-11 2.12387139e-08
 5.95484653e-06 1.36805012e-09 8.92727059e-10 1.89180464e-12
 4.60878198e-08 1.89400523e-10 3.16329806e-06 1.25894642e-10
 2.47853127e-10 5.97455426e-07 2.47128309e-08 4.56869237e-10
 1.49075526e-11 1.02439446e-11 4.52739677e-08 6.75297187e-08
 4.15420393e-10 1.11116352e-08 2.94226702e-05 2.34220716e-11
 2.12224791e-06 2.79185515e-05 7.65366348e-09 3.30366248e-07
 5.81721906e-08 2.64979039e-10 6.60682490e-05 3.44281545e-07
 3.53663730e-11 3.33163608e-10 1.56575499e-08 4.42366255e-10
 1.64700200e-08 1.95691258e-11 1.20285570e-11 1.51657545e-07
 1.27369773e-12 3.49443239e-12 1.69536862e-09 3.68941211e-09
 2.69343409e-10 2.38648944e-12 2.76290457e-09 7.13981721e-11
 2.47363161e-08 2.11837520e-10 8.04611915e-08 3.16783817e-12
 5.89322440e-07 1.28354065e-08 1.49412388e-02 4.01417673e-01
 4.70665249e-08 4.05771534e-05 1.08941567e-05 1.38131683e-04
 5.83305001e-01 6.58195387e-10 4.25377893e-11 5.77191550e-12
 7.08293479e-10 2.06983094e-11 1.21123307e-08 2.84838180e-08
 4.44843051e-09 2.33608475e-08 1.12468346e-09 1.75670062e-10
 3.42534645e-09 2.58166057e-08 4.12365671e-12 3.70328870e-08
 5.84848281e-11 8.90690401e-08 8.81790561e-12 4.60443950e-09
 1.25305678e-06 2.30698182e-14]


0.583305


64


[1.0053823e-07 8.2728700e-05 8.5965870e-12 2.5330135e-07 3.0374581e-12
 1.8842398e-11 4.8485358e-11 2.9911146e-06 3.2981525e-06 1.1288391e-07
 1.2725694e-07 3.4725538e-08 2.7553560e-07 2.4938875e-09 5.6510444e-06
 1.1004476e-11 3.4416218e-12 1.3745242e-08 7.8119722e-10 2.5623886e-10
 1.1562760e-12 4.6110040e-13 1.4086777e-08 5.3780456e-09 7.9128766e-11
 1.6288584e-07 5.6297372e-06 6.5053560e-11 1.8553567e-07 2.4488643e-06
 1.2170492e-10 6.9004775e-09 3.1982065e-08 2.0125073e-11 6.2953752e-08
 7.6078854e-10 5.7659110e-11 1.5539531e-11 1.3597949e-10 1.6083148e-09
 6.4812328e-10 6.2971997e-12 2.9037079e-12 1.7790744e-09 5.0299534e-14
 6.4248276e-13 1.9425332e-10 6.6578260e-10 4.7970022e-12 7.5263172e-12
 4.9948512e-09 1.5162703e-13 2.5280766e-10 2.3894909e-12 9.0493259e-06
 1.4417953e-11 1.7173361e-10 1.8774767e-08 7.7976263e-05 4.0088131e-07
 8.2614648e-10 6.0241678e-06 1.9594268e-05 5.4369371e-09 7.4112031e-06
 7.2999840e-10 1.3151304e-11 1.1183822e-12 5.4321329e-11 4.9448435e-11
 2.0280517e-11 8.9936050e-09 4.0016883e-09 3.5688064e-10 1.2486084e-10
 3.3138056e-12 2.9378509e-09 9.6712582e-10 4.2099282e-14 9.6181738e-09
 4.7790665e-12 1.3234053e-09 2.6331081e-11 3.0236824e-09 9.9977535e-01
 3.7502802e-16]


0.99977535


84


[4.24555736e-07 1.07905322e-07 1.29625494e-11 9.99982476e-01
 6.55271627e-13 1.04328690e-09 5.83301376e-12 5.38279032e-10
 4.99040311e-08 7.42637341e-10 1.32261248e-12 1.85854891e-12
 5.78894849e-11 2.63750445e-11 4.39770043e-09 7.57917654e-13
 2.26543853e-10 3.31720262e-10 1.97863479e-11 2.60917264e-12
 1.09429046e-12 2.88040555e-12 1.27965567e-08 9.03697256e-11
 1.11983122e-11 8.30869595e-09 1.06685363e-08 2.86522368e-11
 2.01496331e-08 4.92406207e-06 3.54336005e-11 6.63463906e-09
 4.84525486e-09 8.20512935e-10 4.35669101e-09 9.73609016e-09
 7.06869719e-12 4.17084596e-12 3.53090934e-09 1.39115603e-11
 4.93381247e-09 5.41118816e-11 3.65250712e-11 8.78698813e-07
 4.14215882e-14 5.30403456e-12 1.58987240e-10 1.26615066e-10
 1.02118669e-11 2.96298576e-13 3.21104116e-11 2.41664744e-11
 8.42520442e-10 8.33814937e-08 1.33792497e-08 8.05454946e-14
 2.98005440e-11 4.35169539e-11 2.19158891e-09 2.70949077e-08
 9.92650295e-10 2.47099990e-07 1.75339403e-06 1.00960150e-07
 8.74456782e-06 2.62433703e-11 1.27007141e-10 6.29044207e-14
 3.13682348e-12 3.48586958e-12 3.70798618e-12 6.16721561e-12
 1.99129643e-10 6.04721568e-12 1.71066807e-11 5.56607330e-11
 6.18989235e-11 1.15257559e-09 1.17097155e-13 6.93302143e-12
 6.67560365e-12 1.52135097e-12 2.86186474e-11 8.83288651e-11
 2.09032063e-08 4.39863490e-15]


0.9999825


3


[1.55898840e-06 7.44492979e-07 8.23349944e-10 6.91586479e-07
 1.07313977e-10 6.88489240e-12 5.39958564e-11 1.08863425e-07
 1.09183827e-06 1.75872563e-11 2.29435557e-13 1.95816918e-10
 3.38701112e-09 5.29652225e-11 1.05031839e-09 2.86417681e-08
 1.01529417e-06 1.31385685e-08 8.79563444e-09 4.67719030e-10
 2.69243721e-08 6.72120415e-10 2.24157581e-08 1.19931887e-08
 8.53694393e-10 9.27617316e-10 6.67995259e-09 1.59021276e-08
 8.09800252e-02 2.07274148e-04 8.67059410e-01 3.46443579e-02
 1.54203940e-02 2.66242976e-04 1.40392024e-03 2.57391235e-07
 1.28866580e-08 5.05242815e-06 3.24558272e-07 1.92343282e-06
 5.18582340e-07 2.41423635e-07 2.33281239e-09 4.79365553e-07
 2.10772133e-09 4.97791007e-07 1.13064277e-06 4.48797266e-07
 2.77339876e-08 3.70374955e-12 2.48340569e-07 2.78802610e-12
 2.61602707e-07 6.93302415e-10 4.49502977e-08 5.09329016e-13
 8.30454017e-09 2.00416057e-08 1.30135376e-07 4.89182348e-08
 1.13514576e-08 2.12005080e-09 1.33276901e-08 3.64517777e-10
 2.85549859e-08 1.21122806e-10 7.23680976e-11 3.92894536e-11
 7.10169770e-11 6.17329388e-09 7.01086663e-07 2.08934051e-10
 2.26230448e-08 3.84074752e-07 6.92009006e-10 9.06639042e-10
 1.67597605e-07 3.61841335e-09 3.54679966e-11 7.89063321e-08
 1.10819569e-10 1.74695352e-08 1.73115114e-12 3.83767365e-08
 2.33600495e-09 1.20541736e-11]


0.8670594


30


[6.2377296e-08 1.6388393e-08 5.6993488e-10 9.9939036e-01 2.9827005e-04
 7.0644957e-09 4.5892939e-11 3.3816119e-10 2.6136120e-09 8.4341678e-10
 7.8025619e-10 2.6093407e-11 4.2578465e-11 3.3019778e-11 1.2853908e-04
 1.1466972e-10 1.2703177e-09 4.0873536e-09 7.0332468e-10 3.4045755e-09
 2.1284523e-10 2.5008615e-09 1.5429279e-04 2.5748590e-09 8.1128082e-10
 2.7048678e-11 1.6584865e-08 8.9074373e-11 1.9333346e-09 1.0041314e-10
 6.6476187e-12 3.5433330e-09 2.5746676e-09 4.2523707e-10 2.0725872e-09
 6.8503745e-08 6.9141038e-12 8.9072794e-12 2.5442932e-07 1.0082937e-11
 5.9661825e-10 5.4711324e-09 1.4208884e-12 1.0814809e-08 5.5352509e-14
 2.6555108e-12 1.8861619e-09 1.6240725e-10 2.6903067e-11 2.8057935e-13
 1.0323725e-10 2.4415759e-11 1.3426702e-09 1.1756842e-08 1.2638151e-08
 2.0794978e-12 1.2386355e-12 2.6678067e-12 2.0721760e-09 1.4385612e-09
 1.0436522e-09 2.6102844e-05 2.5650408e-09 1.6003842e-08 8.8030539e-08
 6.3330951e-12 1.5129498e-11 8.0601584e-12 4.1563426e-11 5.8361267e-11
 1.7542620e-06 3.1872816e-12 1.4454219e-11 1.8675356e-10 3.1321720e-10
 3.0761693e-10 1.9966415e-10 3.2475846e-09 7.0245296e-11 4.6057533e-11
 7.8492750e-12 1.7693312e-10 2.5467098e-10 1.7540677e-12 7.0887746e-10
 3.8569421e-12]


0.99939036


3


[1.0661731e-04 3.9590820e-04 1.2206540e-08 3.3547096e-03 3.1072908e-08
 2.1897586e-07 2.0412653e-08 1.1927110e-04 7.2266656e-04 6.2837421e-07
 3.4945671e-08 1.0212416e-08 3.0979774e-07 2.5575284e-08 8.7721392e-06
 4.1521915e-07 6.0534683e-07 3.5682606e-07 5.6176756e-08 5.6116576e-08
 5.0386209e-08 1.3577071e-09 9.5271889e-06 8.0387770e-07 1.9694498e-07
 3.4056100e-06 1.8571335e-03 5.8380025e-09 7.7065988e-04 1.3859288e-04
 5.5777236e-06 9.5309515e-06 7.0779130e-04 3.6570069e-07 7.5718301e-05
 2.9976544e-04 5.3050888e-09 7.1175077e-07 7.0216938e-06 2.4635878e-07
 2.7433998e-07 6.1096091e-07 5.8721113e-08 6.3158036e-06 1.6973880e-09
 2.8832568e-07 7.6336624e-07 9.1620677e-06 6.2566748e-08 3.1326512e-09
 4.9797552e-07 1.3424319e-09 1.7795355e-06 3.6199463e-06 1.8403040e-04
 1.8246909e-07 2.6444081e-04 4.3851137e-06 4.0897988e-03 9.3617279e-04
 1.1702104e-01 8.4763896e-03 5.0054103e-01 1.3681146e-02 3.4607339e-01
 1.3630873e-07 3.6788796e-07 1.5856598e-08 1.0532123e-06 2.8654927e-08
 1.4241920e-06 2.1716332e-06 1.5682920e-07 1.3015307e-05 2.5250401e-07
 3.6145664e-07 7.3615745e-05 4.1525732e-06 1.3040074e-08 3.9212496e-06
 2.0084391e-07 3.0583201e-06 2.6513547e-07 2.0453847e-06 4.9043985e-07
 1.5006570e-08]


0.50054103


64


[9.57045995e-06 5.61306661e-05 3.11224335e-09 7.59350078e-05
 2.34595376e-07 2.95832942e-05 4.87199081e-08 2.62810179e-04
 5.84745430e-06 4.98431234e-08 1.59838019e-05 4.49809221e-08
 4.21673661e-07 2.59353897e-07 1.06600963e-03 9.16361955e-08
 6.91613948e-08 1.36083551e-02 6.41545746e-04 1.39240399e-06
 5.01942985e-08 3.41476863e-07 1.85191527e-06 1.78751043e-06
 8.48969819e-07 1.03169896e-06 8.50362051e-03 3.58036907e-08
 4.99601774e-05 1.16653064e-05 9.96880544e-07 9.81371961e-09
 2.02412821e-06 7.64848210e-07 6.48877716e-08 4.94284395e-05
 1.62343401e-08 1.08966276e-07 1.89530795e-06 7.56072538e-08
 2.64921539e-07 1.07856035e-08 2.58537831e-08 9.54078769e-06
 9.81873693e-09 1.91398222e-08 1.38662369e-06 1.79137749e-06
 1.50940849e-07 2.60863797e-09 1.87724794e-07 3.11949999e-09
 2.35903353e-05 5.01899891e-08 3.22807209e-05 1.39321884e-07
 4.99671791e-04 3.13750161e-06 5.93270622e-02 5.59178297e-04
 1.11837797e-02 6.21552172e-05 1.29977092e-01 7.73624301e-01
 2.21037975e-04 3.72880947e-07 1.42830868e-06 3.91254273e-09
 2.95078337e-07 1.32001688e-07 7.16328188e-08 5.11432404e-07
 1.80103953e-07 8.54124210e-07 1.72909427e-06 2.22725347e-07
 3.43583019e-06 1.20369577e-07 1.63504140e-07 1.41259227e-06
 3.84836369e-07 1.70357424e-07 2.00202464e-07 4.36585879e-06
 5.60821900e-05 3.26064509e-09]


0.7736243


63


[4.62927332e-08 4.42140236e-09 2.07583279e-14 6.89664548e-09
 1.66461680e-13 2.37165131e-11 2.69235177e-12 1.11402009e-07
 1.63882919e-06 1.83392981e-10 2.07050346e-13 6.41951492e-11
 3.69395764e-10 3.29628387e-13 6.78771617e-09 1.66575850e-11
 2.04155789e-10 1.33768992e-07 1.94753058e-09 6.48496118e-11
 4.89069852e-12 9.88029276e-12 3.00023743e-12 2.91602548e-10
 2.85582530e-10 5.32931199e-10 2.16068747e-06 1.13952012e-12
 1.90818710e-07 1.45521858e-06 1.44857779e-08 9.33583280e-11
 6.44949296e-07 6.75225663e-13 8.35638261e-08 5.57247581e-09
 2.68302199e-12 3.28712092e-11 6.62084207e-11 4.25704222e-10
 1.76525756e-11 8.06464895e-11 1.78402952e-11 4.29435029e-11
 9.21490531e-13 2.68526555e-11 1.17513527e-10 1.51129415e-10
 1.92341160e-11 1.08387344e-12 7.55754834e-11 2.51533413e-14
 1.03639666e-10 9.16712192e-12 7.68430475e-09 7.81719620e-11
 2.44859802e-05 5.60713147e-07 1.76835457e-07 3.97296026e-06
 1.39711512e-04 3.05783132e-08 9.49500799e-01 1.79533470e-06
 5.03218397e-02 1.23638891e-10 3.02734261e-11 7.78360883e-13
 1.26620880e-10 1.23150708e-11 5.84202261e-12 2.29211548e-08
 4.02452377e-11 1.92141053e-10 3.82829914e-11 1.83941057e-12
 1.28702613e-08 5.43623013e-09 6.15742657e-12 1.50859925e-09
 5.50184759e-11 5.40097411e-10 3.57594857e-12 5.66634597e-08
 1.12866516e-09 6.12323438e-14]


0.9495008


62


[2.39976060e-07 9.99998689e-01 3.56227959e-13 1.64179923e-08
 4.91983576e-16 1.91608860e-12 6.57741494e-13 5.94483595e-07
 5.72230735e-11 3.47832513e-10 1.66976608e-13 8.10394696e-10
 4.20747526e-09 2.40592648e-13 1.89665759e-08 1.09658628e-11
 7.21292124e-16 6.10985134e-12 2.80960281e-12 9.89405633e-14
 1.16709959e-13 8.86257349e-16 2.27684408e-12 3.68160282e-13
 8.02426105e-13 1.14438077e-11 7.77195031e-10 7.42159291e-14
 1.51731794e-09 2.35275219e-11 1.70701528e-12 2.18123893e-14
 3.72164688e-10 2.52020508e-14 4.01457296e-12 1.61181051e-12
 3.63007367e-13 6.33952746e-15 7.36698842e-13 1.27157454e-15
 2.49730060e-13 8.40232289e-15 1.59869443e-15 1.10428281e-11
 1.35894856e-16 1.61145240e-14 5.21195161e-14 8.59783842e-15
 4.67076710e-15 1.97450072e-15 1.63756365e-13 9.03220137e-16
 7.29314124e-13 2.29182342e-12 1.01055120e-09 1.04542579e-12
 7.72449188e-11 5.94720280e-12 2.30244757e-09 2.61833957e-11
 6.38512354e-10 1.84922992e-08 4.45636559e-08 8.07699949e-11
 3.70691838e-10 3.71737743e-13 9.05860317e-15 1.07850774e-13
 4.46504745e-14 9.38382271e-12 4.75133023e-11 1.08886744e-09
 8.56068011e-14 1.10343019e-11 7.14419504e-14 3.77631780e-11
 7.66688435e-10 2.42250946e-12 8.38612000e-15 2.19491439e-11
 4.49617252e-14 1.22117394e-11 9.39066602e-11 1.57931085e-10
 4.09138664e-07 2.98996913e-15]


0.9999987


1


[5.61665914e-08 3.05349168e-08 3.52861880e-12 9.85566139e-01
 5.30469037e-11 2.69437841e-08 1.59572230e-10 2.54643362e-10
 4.61229092e-07 2.00678718e-09 1.04732500e-10 1.32922276e-11
 4.40472559e-06 2.16873498e-11 6.07373750e-07 3.04483348e-11
 4.23098834e-10 3.38331740e-09 2.13696372e-09 6.47620935e-09
 2.51681925e-10 2.67505393e-11 4.04722584e-08 7.54887097e-10
 8.31428093e-10 6.29339292e-09 2.10317339e-05 4.85527417e-11
 2.43579478e-07 2.06969094e-06 2.74992251e-11 1.67543879e-09
 1.75241539e-07 4.80566309e-10 7.47237095e-07 5.03558581e-08
 4.97180769e-11 4.80577036e-11 7.11093691e-08 2.16246465e-11
 8.58703757e-08 7.06535247e-11 7.58001301e-12 1.18434267e-08
 2.12603338e-11 1.44170795e-11 1.04062703e-09 8.24756485e-10
 9.31169100e-11 1.22834338e-11 5.09622122e-10 4.30337721e-09
 2.96023872e-09 5.04716340e-08 2.04227746e-07 1.12048461e-10
 4.45696770e-07 1.24957511e-08 1.61169885e-06 4.57271113e-07
 1.17992703e-03 3.21792741e-03 8.96667503e-03 4.19541766e-06
 1.03208807e-03 5.00379183e-11 3.37692851e-09 6.23342766e-11
 2.62153965e-10 1.47629964e-11 1.19177235e-09 1.01959674e-09
 2.60801880e-10 1.27696931e-09 3.48569218e-09 1.66242886e-09
 2.91021163e-09 6.16296303e-09 2.22607399e-09 2.46679815e-10
 1.63324065e-09 5.80520343e-09 1.59086389e-09 1.75952000e-08
 1.07671214e-08 1.24475378e-11]


0.98556614


3


[1.4827564e-05 6.5520330e-06 5.0489697e-09 3.9168922e-06 3.0842258e-09
 5.1384327e-11 2.4683322e-10 3.1244261e-07 2.5272748e-06 2.7843347e-10
 4.6159333e-13 2.1910715e-10 6.9148075e-07 4.7691739e-10 6.3813826e-07
 1.8396690e-07 3.2052470e-05 1.4375843e-06 2.5119396e-06 3.7652728e-06
 1.7922130e-07 1.7391599e-08 3.3606045e-07 9.6653923e-07 1.0691402e-08
 4.5059899e-08 2.6854689e-06 5.5074242e-08 9.9801701e-03 9.2117640e-04
 1.8065979e-04 1.0972750e-01 2.2330002e-03 4.4987816e-04 8.7636995e-01
 6.4211767e-06 1.9810990e-07 9.2742339e-06 2.8556724e-06 5.0958494e-07
 1.0039885e-05 1.8710674e-08 5.9250547e-09 4.3549801e-07 4.7587022e-08
 4.8212108e-08 1.7592254e-07 1.2245573e-05 1.4515139e-07 6.1055233e-10
 3.5656143e-07 1.1225273e-10 4.9099096e-08 8.4409164e-09 1.8487804e-06
 2.9755531e-11 1.6374170e-07 4.2687111e-07 2.3104189e-07 3.3383134e-08
 1.3918151e-06 5.7464722e-06 5.4921188e-08 2.4460158e-09 7.1258319e-06
 3.9556269e-09 5.5019173e-10 6.3324618e-10 2.4122418e-08 1.3235419e-09
 1.8058940e-07 3.0585494e-09 4.1206056e-09 2.7830620e-07 2.4797815e-09
 3.8498773e-09 1.7905534e-06 2.9136297e-07 5.9696204e-10 1.2676478e-06
 2.4502369e-09 8.9475973e-09 3.4203172e-11 8.9669761e-08 1.0961367e-07
 3.7625231e-10]


0.87636995


34


[2.39824340e-06 9.52195769e-05 1.87884623e-08 9.17344511e-01
 5.01086879e-06 2.32515895e-09 7.06934844e-10 1.32116082e-10
 6.44548637e-10 3.59856607e-08 2.02380939e-08 1.67918138e-10
 5.31793765e-09 1.81386267e-10 7.82324448e-02 3.60290486e-09
 2.46940218e-10 3.97569488e-09 7.84104941e-08 2.66206541e-07
 1.37818477e-08 1.79067854e-08 3.67555767e-03 1.96013321e-08
 1.92475973e-08 3.14449586e-08 6.36394304e-07 3.15351183e-11
 3.17528588e-07 3.81543186e-10 4.31448323e-12 3.76789133e-09
 1.60335079e-09 5.08719644e-08 1.13567440e-08 2.38055492e-07
 3.74380471e-10 1.88817677e-11 3.08721226e-08 4.30644322e-12
 7.73566953e-08 1.43057068e-11 2.23735025e-13 3.96459399e-09
 1.66782907e-12 1.06505509e-13 2.04099648e-09 4.27906738e-10
 2.63307071e-10 3.67034571e-12 5.59387259e-10 3.09597947e-09
 3.33100658e-08 1.59180313e-08 2.07317753e-05 3.06853362e-11
 5.58420552e-13 7.27435126e-12 4.35396856e-07 6.27433439e-10
 1.66443158e-07 6.17944752e-04 4.13555146e-09 2.71463616e-08
 5.74281920e-08 3.16519200e-10 3.62745028e-10 1.70811199e-10
 3.00930322e-11 2.86066393e-10 2.67283531e-06 4.13931361e-10
 9.59725615e-12 1.08842146e-09 1.38528122e-09 2.70520184e-09
 6.55858701e-10 3.19712562e-10 1.04161575e-10 1.11938493e-10
 5.88608546e-12 1.32848621e-10 7.90038790e-09 1.80389176e-10
 8.63856030e-07 7.38155578e-11]


0.9173445


3


[2.43042386e-08 1.11048230e-07 1.08601972e-09 3.98195289e-06
 6.72905470e-13 1.09517484e-12 7.07052472e-12 4.91370393e-08
 2.11541260e-06 7.13322512e-09 1.14910834e-13 4.54080220e-12
 2.61598245e-08 1.09929885e-10 2.76961202e-07 8.82543871e-10
 2.25042895e-09 4.52264253e-08 2.08893152e-08 5.40970539e-08
 9.10537548e-11 5.76659720e-10 5.04199420e-07 5.65141143e-08
 2.46589027e-10 6.50969223e-10 1.49268502e-07 3.04575462e-12
 4.43988574e-06 1.20564197e-04 1.82062509e-13 2.15363661e-06
 1.27120623e-11 1.37835494e-08 1.78850115e-07 3.18804219e-08
 5.32844914e-11 6.70681843e-11 6.99637293e-10 9.43269143e-11
 3.80335430e-10 1.98391980e-11 4.73485444e-12 1.47051449e-09
 6.45024561e-13 7.16465055e-14 2.20421667e-10 3.65754049e-09
 4.78385803e-11 4.94946315e-13 1.08908030e-11 3.74943236e-11
 1.19507917e-10 1.44060419e-09 4.52615234e-09 1.61272783e-11
 1.89798222e-08 3.17400684e-09 3.88514354e-06 5.72753925e-05
 4.16869767e-07 9.99756515e-01 3.41108574e-07 3.70363487e-05
 9.45515967e-06 7.03451533e-12 2.37415573e-11 1.32386810e-12
 3.44201334e-10 9.91137242e-11 6.41570352e-10 1.02742681e-09
 7.93191901e-11 3.16528914e-09 8.90421001e-11 2.04118569e-10
 1.70482151e-09 6.02417183e-09 1.17962012e-11 2.66170663e-09
 7.42373957e-12 7.21199811e-09 3.11520254e-11 4.26952962e-09
 6.31980412e-10 2.09548785e-12]


0.9997565


61


[5.68373616e-06 2.63467001e-07 3.91415877e-09 2.41490829e-06
 1.59231706e-09 1.84706810e-08 1.02096083e-08 3.34175184e-06
 2.26309057e-04 4.81597226e-07 2.52536880e-09 4.02529778e-08
 4.73201817e-06 1.00208863e-08 8.62006436e-06 2.77016511e-07
 2.89701120e-06 3.80666112e-03 2.44267122e-03 3.43289394e-05
 1.01106423e-06 7.67945312e-06 8.84467568e-07 2.13809599e-05
 4.34859487e-07 3.84773784e-06 5.08150924e-06 1.81516313e-09
 5.94461046e-04 9.58815217e-01 7.56315615e-08 7.61142189e-07
 1.05036122e-06 2.81166166e-07 1.74714558e-04 1.62537453e-05
 1.87404964e-07 2.18091913e-07 3.79849382e-07 8.05139098e-06
 2.16848591e-07 1.46742337e-07 3.63212393e-08 6.71011264e-08
 3.88498229e-08 9.80220438e-09 3.50617961e-06 1.06242737e-06
 1.83798093e-07 1.04863807e-09 1.80609646e-07 8.36309155e-09
 9.38480810e-07 9.90999638e-09 4.30208217e-07 1.71443126e-08
 1.72392771e-04 1.98085654e-05 6.67244512e-06 2.69459142e-05
 2.30175760e-02 6.90215849e-04 6.34138379e-03 2.02382694e-06
 2.90952343e-03 1.68891518e-07 1.90104998e-08 5.45083934e-09
 3.96045880e-06 3.81559033e-07 2.89149877e-08 2.02256231e-07
 4.53603946e-08 4.10921984e-07 9.75917715e-07 1.30054429e-08
 6.86321400e-08 3.05444541e-06 4.09615314e-10 3.96246058e-08
 1.50375676e-08 3.88246342e-08 1.19512995e-08 6.00052357e-04
 6.33212130e-06 1.51777091e-10]


0.9588152


29


[2.77539272e-07 1.69737504e-08 1.56236413e-10 7.41152562e-08
 1.90023019e-12 5.41629849e-12 1.13775508e-11 1.08174170e-09
 1.34270624e-04 1.33129694e-08 4.44694412e-13 1.71925718e-09
 3.41328414e-05 3.34436895e-10 2.18763901e-07 2.59158153e-08
 8.17881300e-08 1.05475169e-06 1.44504568e-08 4.22025401e-08
 8.35807978e-10 1.50988322e-09 2.99502965e-08 4.10768365e-07
 8.22067248e-10 7.82607046e-08 3.31733572e-05 3.46092946e-11
 4.01610928e-03 7.21490849e-03 6.46682707e-08 2.73594633e-04
 1.91913273e-06 1.00657689e-06 9.43759263e-01 2.17445688e-08
 5.84138604e-09 1.02385904e-07 8.98787889e-08 1.45948476e-07
 7.38741974e-08 6.41326547e-10 4.13411028e-10 1.07920544e-08
 2.09050263e-10 1.89120265e-11 4.54807880e-09 1.47129153e-08
 3.05090730e-10 6.87204599e-11 8.77742590e-09 5.06079241e-11
 4.58180960e-09 3.88942123e-09 1.36777260e-06 8.81870355e-10
 1.49091011e-05 1.68354461e-06 7.93955110e-07 3.36711992e-06
 4.70309431e-04 4.34559584e-02 1.48976244e-06 4.01424760e-09
 5.77469065e-04 2.81928814e-10 4.09907178e-12 6.69622691e-12
 1.34547162e-09 3.92297410e-11 4.55815545e-08 8.03833111e-10
 5.12644982e-10 6.07922734e-09 7.06683378e-10 2.07173140e-10
 2.45332665e-09 2.83167964e-07 8.98607751e-12 7.68196529e-08
 1.91708385e-10 9.04945174e-10 9.12269652e-12 2.16235527e-08
 1.03060052e-06 2.29303230e-13]


0.94375926


34


[1.6105886e-09 1.7952965e-08 3.3600314e-11 2.8335911e-09 9.8585116e-12
 1.2546834e-10 7.6280085e-13 7.4302099e-11 2.0171592e-08 1.7529620e-09
 1.4296763e-08 4.8515136e-10 3.8115579e-06 1.2025575e-10 9.5920166e-07
 3.0763881e-11 1.5627316e-12 2.0477957e-08 1.5089903e-09 1.2851897e-10
 1.6307434e-12 5.1037213e-12 6.7642572e-09 1.5524577e-09 1.1958095e-11
 1.6667734e-06 4.1477279e-09 1.3619790e-11 1.2027899e-09 7.9615745e-11
 2.5108772e-13 3.7275636e-09 2.3013655e-09 4.2588180e-11 1.5640952e-11
 6.3978170e-11 4.9011940e-12 2.7492732e-12 4.0353398e-10 1.2127153e-10
 1.5375246e-11 4.7773040e-12 2.0399509e-13 3.3454398e-10 7.7731697e-15
 4.5053882e-14 2.8270669e-11 8.4814994e-12 8.5562059e-13 1.5870837e-12
 1.0731077e-10 6.4746433e-14 2.3063078e-10 5.1869342e-11 1.3553356e-06
 5.3718953e-11 2.8886987e-11 2.1027648e-12 4.0347992e-11 1.7564099e-12
 1.2930295e-12 2.2567110e-09 5.8119888e-13 9.6667563e-13 2.5893401e-10
 1.8269626e-12 5.6366062e-15 7.1327113e-14 5.3532569e-12 5.4366871e-12
 7.7894774e-12 2.0567829e-12 3.8095334e-12 2.4455688e-14 4.9293539e-13
 1.4047032e-12 2.0310214e-13 2.5220282e-12 1.8499697e-15 6.7889474e-12
 1.6741368e-13 4.3474547e-12 2.1208816e-13 4.2357864e-11 9.9999213e-01
 1.4992310e-16]


0.99999213


84


[1.42356963e-04 1.95134216e-05 2.03032902e-09 9.99222159e-01
 1.32837616e-10 1.77473680e-08 4.08438783e-10 2.51947851e-10
 3.57581825e-07 4.44613534e-07 6.60195301e-11 1.26203548e-10
 5.09856157e-10 4.13592438e-10 2.93265339e-06 2.93250729e-10
 1.74164203e-08 2.50307930e-09 7.74322662e-10 2.69643557e-10
 7.49353524e-10 7.31260719e-10 4.93361973e-08 2.51991250e-09
 1.49550394e-09 1.95199057e-08 3.03573735e-08 5.81592441e-10
 2.08078163e-07 1.49472623e-06 3.01819299e-11 1.50701851e-08
 3.98757720e-07 1.39393094e-07 2.53781334e-08 1.07527335e-07
 5.54083668e-10 3.34740041e-10 4.08604386e-08 8.28350444e-10
 3.43273143e-08 1.42700074e-09 1.56400101e-10 4.84506108e-06
 4.84184090e-12 4.19378421e-11 1.05151021e-09 1.25745636e-09
 6.48894619e-11 4.05889558e-12 5.03785458e-10 4.42031522e-09
 4.90926766e-09 5.43144532e-04 5.88998737e-05 4.03127920e-10
 3.24586608e-10 7.09370063e-12 2.11411222e-10 1.58086300e-09
 2.18277609e-08 2.52944096e-06 4.35297380e-08 8.56056281e-10
 7.15949042e-08 1.69616959e-10 2.24494445e-09 1.02137214e-11
 4.93337697e-11 8.14775331e-11 9.66684163e-11 1.16614999e-11
 3.18249455e-11 2.40702944e-11 6.48587781e-11 7.29931338e-10
 5.12707599e-10 4.12884615e-10 1.66809166e-12 4.01469517e-11
 3.13184617e-11 9.18360873e-12 1.06288489e-09 4.87909262e-11
 6.45690577e-08 1.81053320e-13]


0.99922216


3


[1.38779640e-07 2.07243801e-07 3.76011222e-09 2.13982480e-06
 1.71035339e-10 2.41631194e-11 1.13581068e-10 1.22345289e-08
 1.30044521e-06 1.19881860e-09 1.54527704e-12 2.65798994e-10
 5.53381874e-08 1.25891064e-09 2.49526781e-08 1.38314277e-07
 4.69301522e-05 4.17580395e-06 5.56837776e-08 4.60531027e-08
 4.10864715e-07 2.63933124e-08 9.53030224e-08 4.72472749e-07
 2.29164776e-08 2.29644237e-09 1.97811794e-08 1.41346526e-08
 8.51732850e-01 1.59569201e-03 1.12286862e-02 1.22420557e-01
 9.15343221e-03 2.87602702e-03 9.01443942e-04 8.33096408e-07
 7.54577769e-08 1.32117048e-05 4.95683025e-07 1.13861397e-05
 3.35063760e-07 5.22280914e-07 1.21480745e-08 5.39402834e-07
 6.71123557e-09 1.05668892e-06 2.48456928e-07 3.07409778e-06
 1.16236620e-07 3.28158958e-11 8.75494663e-07 5.58553759e-11
 9.65171267e-08 4.28918412e-08 5.29279980e-08 1.34224567e-11
 3.88791221e-07 6.29928891e-08 2.78937648e-07 1.25771846e-08
 2.95667348e-07 4.40705037e-08 2.25687238e-08 1.79596404e-09
 5.93861955e-08 1.20469981e-10 1.09470188e-09 2.40109710e-10
 4.37258313e-10 1.14429888e-08 1.67577824e-07 5.00720715e-11
 1.42661165e-07 3.77869384e-07 1.68278780e-09 8.39286152e-09
 1.27800233e-08 1.89687732e-08 3.36794932e-11 1.73310593e-08
 6.50787646e-10 5.15602068e-08 2.36115207e-12 3.86706711e-09
 3.43009887e-09 3.83442340e-11]


0.85173285


28


[2.13417422e-07 2.60680633e-08 5.84177595e-09 4.95762913e-04
 7.42679356e-12 4.31372660e-10 7.91055069e-11 3.52518579e-12
 2.79754026e-10 6.32822017e-10 8.04314323e-11 3.87289800e-09
 1.02663822e-10 3.26493901e-11 2.80035292e-05 1.67922956e-08
 6.73307383e-08 6.27780310e-07 9.23790822e-09 6.95337565e-09
 2.20501661e-08 4.74730406e-08 1.56852052e-01 1.63704300e-07
 2.30556321e-08 8.64425025e-12 6.97457148e-10 2.13604325e-11
 1.40822254e-09 6.98919367e-10 1.82966045e-10 4.52493545e-08
 7.24578036e-11 1.84903748e-09 2.78261458e-09 4.03890787e-09
 4.10734606e-11 1.08190630e-10 1.14025667e-09 9.37931191e-11
 2.68587819e-09 1.65820552e-10 7.90331830e-13 1.67477851e-10
 9.21474811e-13 3.76851897e-13 3.56736918e-10 1.64052338e-09
 1.16087044e-11 7.84687202e-13 8.86979448e-11 1.58624971e-11
 2.73444017e-10 1.55914892e-10 1.03932467e-10 2.71367043e-12
 5.47235486e-11 3.63696248e-12 4.62870844e-08 2.75489674e-06
 1.73422361e-08 3.67570260e-06 1.76507742e-09 5.39143912e-08
 9.40147293e-10 1.73861758e-09 8.36143244e-09 1.11844366e-12
 1.46018770e-11 6.62701822e-08 8.42616260e-01 1.83681369e-11
 2.71969025e-09 1.28823641e-09 9.72760650e-10 5.76570569e-09
 6.50791964e-12 2.03898298e-09 2.60248267e-09 9.58518941e-12
 1.03010211e-10 4.06412326e-09 3.04333603e-09 5.28895843e-14
 5.77324959e-11 5.89938775e-12]


0.84261626


22


[1.1603693e-06 1.6634573e-08 1.5188194e-11 9.9956208e-01 9.4141877e-09
 1.1653971e-07 2.0530312e-11 4.3973061e-11 8.3978907e-10 3.9662662e-08
 2.8044407e-09 8.0543005e-13 6.7803901e-11 4.2185283e-11 4.0565390e-04
 4.9885065e-11 6.5352617e-09 3.3906773e-08 1.3445342e-08 1.5420778e-08
 2.8001754e-09 4.7271580e-08 1.8493776e-05 1.4732834e-08 2.3690299e-08
 4.7228661e-09 3.0248830e-09 9.5793122e-12 1.8762709e-08 7.4382069e-09
 9.9847734e-13 3.0732594e-11 3.5128614e-10 3.3539420e-09 5.7380465e-11
 1.0079421e-05 1.3156132e-10 5.5288763e-11 7.7966803e-08 8.5281983e-11
 1.2928687e-07 3.2227023e-11 5.8691084e-13 4.5073485e-08 3.4659092e-13
 2.4978500e-12 5.2783333e-09 2.4359791e-08 5.2823770e-11 6.7092040e-13
 8.8500623e-11 1.6040959e-10 1.5726334e-08 4.4858108e-09 4.8992388e-07
 2.8576783e-11 4.2967456e-11 2.9001524e-14 1.3202448e-08 7.3072060e-09
 1.0145671e-06 2.0197491e-07 3.8759378e-09 1.1340479e-07 3.1464849e-09
 5.6362065e-10 1.3804144e-09 2.2202517e-13 9.0783929e-11 3.6416083e-12
 2.3253188e-08 2.0335700e-13 1.9903594e-11 2.0270866e-10 2.0105292e-10
 1.0346436e-10 3.3283966e-11 9.6009180e-11 3.2788847e-10 2.1455246e-12
 1.5407318e-11 1.1835490e-10 4.7818260e-10 1.3735732e-12 1.7939761e-09
 6.9582943e-15]


0.9995621


3


[9.60679754e-05 3.65455024e-04 1.61507607e-09 2.30977428e-04
 1.30074107e-09 6.55512224e-07 3.94221500e-09 8.53125783e-08
 9.43156024e-08 2.48598599e-06 2.33815571e-12 3.49440974e-08
 1.31293177e-06 2.33880666e-08 6.74453486e-06 1.92797614e-07
 1.75137885e-07 1.08861304e-05 9.89396085e-08 5.42108154e-08
 2.13598792e-08 2.26202062e-08 2.07558841e-08 4.36292069e-08
 1.88206037e-08 1.42183526e-05 2.42788337e-05 7.28520844e-09
 6.36520267e-01 5.98161900e-03 9.50324920e-06 1.74566776e-05
 3.26331565e-03 3.31450164e-01 7.37555791e-03 1.21381136e-05
 2.16007123e-07 7.17338753e-06 1.05967035e-06 8.90345291e-07
 4.58204931e-06 3.23178249e-08 2.44125538e-08 2.39754695e-06
 4.76659734e-09 5.81681441e-08 5.32400350e-07 2.82547990e-06
 1.03846752e-07 5.52319390e-09 2.99952967e-06 6.88055923e-09
 2.10663913e-07 2.55206942e-05 7.58768219e-05 1.77050666e-07
 1.31307286e-03 1.07138803e-05 3.12608143e-04 9.68644631e-09
 1.20256487e-02 1.25540726e-04 5.51377423e-04 1.41208890e-04
 1.24571250e-06 3.66204887e-07 1.63183273e-07 1.69774883e-09
 6.54073133e-08 4.18013757e-09 1.25269715e-08 5.31579891e-09
 3.95202662e-08 2.91840001e-06 1.28560487e-08 4.99381315e-07
 3.93983981e-07 1.36119439e-07 1.02340501e-08 3.81209055e-08
 4.49473134e-08 1.38833736e-08 2.06146407e-08 4.33446712e-06
 7.93398328e-07 1.83269094e-10]


0.63652027


28


[9.8694527e-06 2.0440439e-06 1.2420888e-08 6.2325988e-08 1.0622815e-11
 1.2024625e-08 7.8518108e-09 4.3679602e-06 1.3024943e-09 1.5600968e-07
 1.1794712e-10 6.5646241e-06 2.4240746e-08 9.0894176e-08 8.9273060e-05
 1.2864234e-06 3.2638363e-07 4.7716257e-01 1.3410033e-02 2.1054509e-05
 2.8111054e-07 6.0351616e-05 1.4862298e-06 2.1316221e-06 8.6043627e-07
 6.1503535e-08 1.4888934e-05 1.4853974e-09 7.0084585e-05 5.0311351e-01
 7.7676430e-07 9.6250716e-08 5.2530140e-07 1.5815503e-03 2.9699213e-04
 2.1282276e-06 1.6870921e-07 1.2422986e-06 1.4432376e-07 1.2347328e-05
 7.8903344e-07 2.0968736e-08 8.1948581e-09 1.1682168e-07 1.8163317e-07
 1.0241317e-08 1.0041480e-06 4.1495363e-07 2.7506780e-07 1.1730221e-08
 1.1532426e-06 7.2408229e-10 4.8580930e-08 3.9875808e-10 9.6882012e-08
 4.8308166e-08 1.4568112e-03 1.5707614e-06 3.6772265e-06 5.2914002e-06
 1.9254453e-03 1.8281333e-05 2.9441377e-04 3.4869462e-04 6.0668910e-08
 1.3459224e-06 2.1322370e-07 4.6706257e-09 5.2730906e-07 3.4144418e-07
 1.0949035e-06 1.1898090e-07 1.8612765e-07 2.0074172e-05 6.7768684e-07
 1.7893031e-07 2.8769898e-09 5.9104951e-07 1.7426840e-09 6.0499823e-09
 2.1599855e-07 5.0255133e-09 6.2397234e-08 4.7191250e-05 1.4605114e-06
 3.0734030e-11]


0.5031135


17


[1.92240591e-03 1.52010805e-04 1.70665288e-07 9.69526445e-05
 3.16737157e-11 3.91911819e-08 6.02857764e-09 8.35858089e-07
 1.27442797e-06 4.89340437e-07 4.49309583e-11 3.68996069e-07
 2.30868063e-05 2.01844745e-08 5.76196981e-05 4.70153373e-06
 2.50249769e-07 1.96354364e-07 4.34727298e-07 4.87605369e-08
 1.85266714e-07 1.29080718e-07 2.14226930e-06 2.65823559e-07
 6.54608527e-08 2.43840641e-05 6.36004726e-04 1.32486775e-07
 5.95093444e-02 7.57644549e-02 4.19299002e-04 6.85652049e-05
 1.50752923e-04 9.86482482e-03 7.24528730e-01 1.11184214e-04
 4.83032807e-07 9.21767423e-06 3.75918462e-05 1.14725270e-04
 1.29801570e-04 1.13443741e-06 1.10680787e-07 8.75575133e-05
 1.15194119e-07 3.13805549e-06 6.72043476e-04 3.11421572e-05
 1.19877961e-06 3.83491674e-08 8.40125722e-05 9.50387768e-09
 2.13264084e-05 9.31496515e-07 4.36216806e-06 1.12179623e-06
 2.78379442e-03 5.37711720e-04 9.93793481e-04 1.76762347e-03
 1.04863361e-01 2.11497629e-03 1.42450095e-03 6.01294171e-03
 1.66229531e-03 4.04115923e-07 7.33550154e-09 6.99954867e-08
 3.17770136e-05 2.60215476e-08 2.77169170e-06 1.64409666e-05
 3.99387048e-08 5.47372270e-04 1.66970938e-06 2.43964605e-05
 3.06644324e-05 2.17667020e-05 2.30400534e-08 5.95001402e-05
 1.66838026e-06 1.32551281e-06 3.27416046e-07 2.55544274e-03
 1.82981989e-06 2.87537966e-10]


0.72452873


34


[7.42194534e-05 9.99484777e-01 3.57504604e-09 9.12029421e-08
 1.00786067e-10 3.59116781e-09 3.05576342e-10 1.10418259e-04
 6.56919102e-11 1.27829736e-07 5.96441863e-12 1.56766731e-07
 6.71115004e-07 1.39018408e-09 1.97718655e-05 2.18213941e-07
 1.43616577e-10 1.12802363e-05 4.66230413e-05 4.79274442e-09
 2.58870414e-09 1.20582238e-08 1.38012934e-08 2.07584128e-09
 4.85851626e-09 1.34847244e-08 1.63791469e-06 5.55990032e-10
 2.22556380e-04 2.79439973e-07 3.00298234e-06 1.22969421e-08
 1.96290875e-06 1.95906105e-05 1.61005715e-07 1.40328646e-08
 1.30769751e-08 2.18687557e-08 3.14241522e-09 6.11534645e-09
 7.56480834e-09 1.01984854e-09 3.27004222e-11 5.23826316e-08
 3.92847033e-10 6.38294084e-09 1.05127569e-08 3.51053586e-09
 5.60860025e-09 6.48003873e-11 6.25848084e-09 5.36906500e-12
 6.30023234e-09 5.53199597e-10 4.17523225e-08 1.10670795e-09
 8.56024599e-07 1.26779810e-07 6.37519335e-08 2.68301514e-09
 4.72360862e-09 1.11268030e-10 1.11829135e-09 7.36162686e-10
 1.30202668e-10 1.16882048e-09 3.11307299e-11 2.27036542e-10
 1.02652675e-09 2.43131049e-09 8.27963973e-08 1.64390890e-09
 4.97997643e-10 1.96017652e-07 4.00245254e-11 2.30514470e-08
 4.40882211e-08 1.48587886e-09 4.02054605e-12 4.60500971e-08
 6.29739039e-11 1.82409504e-10 1.90943616e-08 9.44470386e-08
 6.83432006e-07 1.60462496e-12]


0.9994848


1


[6.9092670e-07 5.1716320e-06 1.0670383e-08 3.5038264e-03 5.5778298e-09
 2.9260670e-07 3.2882233e-10 4.1297479e-10 7.4987973e-08 6.0925267e-08
 2.8366508e-12 1.2515348e-10 1.4290336e-04 9.5621644e-10 2.6252856e-08
 5.7110627e-09 1.0063647e-08 3.5743710e-08 1.2484921e-07 1.2254550e-09
 1.1981049e-08 8.3602814e-08 4.8795488e-07 1.4575895e-08 2.7591782e-09
 6.3568461e-07 9.3015151e-05 7.7676310e-09 1.9122564e-03 5.9296958e-06
 4.1750391e-04 3.1253992e-05 7.6926663e-03 9.8461574e-01 1.4514144e-03
 2.1699843e-06 3.7169492e-08 5.4179791e-06 8.4183858e-07 1.6916529e-08
 1.4864260e-06 5.5527497e-08 1.6848151e-10 1.8296904e-06 3.7126270e-08
 1.3593856e-07 6.6977196e-07 7.5329694e-07 1.6924639e-07 2.4820161e-09
 2.3331836e-06 1.9479860e-07 1.0973253e-07 2.9420064e-06 6.2574333e-07
 4.1692516e-09 7.7142424e-05 2.4404703e-06 6.2866857e-06 1.4303306e-07
 3.2007533e-06 4.6211969e-08 2.5542050e-08 1.0997267e-05 3.5954586e-06
 4.4333310e-09 2.2037865e-08 2.2271407e-09 1.0122375e-09 1.3646285e-10
 2.5459136e-07 1.0237589e-10 4.0466461e-09 7.6892725e-08 1.4413227e-08
 5.6332691e-08 7.9368824e-08 6.5281007e-09 8.2231266e-10 6.9952087e-08
 6.5628702e-09 6.1670571e-09 1.5540742e-09 1.2051171e-06 6.4757202e-08
 4.3769282e-09]


0.98461574


33


[4.4341842e-08 7.0570096e-08 5.5760518e-12 1.3345641e-08 2.0824704e-08
 7.0074654e-11 1.0784885e-10 5.2340415e-08 6.4951922e-10 1.2674206e-09
 1.9282093e-11 2.0267215e-07 8.0467942e-08 3.1265129e-10 7.4520426e-07
 5.3735740e-09 2.8993803e-08 9.9671739e-01 2.5298919e-03 6.8506773e-07
 1.0211421e-08 1.4865482e-06 3.7953826e-06 1.7952932e-07 3.0337816e-08
 8.9836942e-07 4.1751714e-06 1.2862104e-10 5.1815018e-06 6.4096395e-07
 2.0110723e-07 3.6270004e-07 7.2911865e-04 1.9798681e-06 1.4036730e-06
 1.7518165e-09 1.1953256e-09 2.6031600e-08 2.1896431e-09 4.6068549e-09
 1.0523425e-10 1.3521756e-10 1.2425330e-11 3.2417893e-10 4.3484749e-09
 3.3294639e-10 6.4428796e-09 4.1197556e-09 4.4994999e-10 3.0129708e-11
 1.7243158e-08 3.4664243e-09 1.2886693e-09 1.2732927e-11 1.8608771e-08
 3.8947057e-10 5.0308580e-07 6.4957280e-09 2.8016382e-07 6.4774477e-11
 3.8244675e-08 1.8300957e-08 1.6135704e-07 2.0080884e-09 2.1169948e-09
 2.2456828e-08 2.2623439e-10 7.4315748e-11 1.2270118e-09 4.9935239e-10
 6.5737183e-08 4.5255594e-11 4.0757275e-10 5.6288694e-09 7.7261447e-10
 2.1028965e-10 3.5314303e-09 1.3732807e-10 9.1216375e-12 1.1395178e-09
 1.8688222e-09 2.9054448e-10 2.2476772e-10 3.6834937e-08 9.3607959e-08
 2.9054266e-11]


0.9967174


17


[2.5692102e-03 1.5443756e-01 5.7876970e-09 5.0694867e-05 5.8372578e-11
 3.8566675e-08 2.0073262e-08 5.8018833e-07 3.6658039e-03 2.4669353e-06
 1.6102007e-10 2.9617399e-06 3.5481786e-03 1.3238696e-08 2.7999864e-05
 4.8476824e-07 1.6577705e-08 5.1465132e-10 1.7547960e-08 2.3157211e-08
 1.2330747e-07 3.3250529e-09 3.8510407e-06 2.3126150e-07 3.2426509e-08
 4.5191455e-01 1.9731456e-04 1.2772319e-08 1.8993359e-02 1.1248983e-04
 1.0029657e-05 9.1790641e-04 1.2296260e-01 2.4680198e-06 6.0564843e-03
 2.3621922e-06 8.8671506e-08 2.6632522e-06 2.4199887e-06 2.4118407e-07
 2.1962833e-06 3.3488906e-08 9.7332642e-10 5.7735319e-06 4.3120640e-10
 1.7171102e-07 1.3989828e-06 5.0070980e-08 4.6300377e-09 2.3814229e-08
 3.6915978e-06 1.6993597e-09 1.3553253e-06 6.6976347e-05 4.2143516e-04
 3.0775761e-06 3.4591689e-04 4.7275821e-06 1.1392830e-02 1.0432461e-04
 1.5071699e-03 1.9310813e-02 2.5588204e-03 1.8602403e-04 1.7535685e-01
 2.2647750e-07 1.3711547e-10 3.4262154e-08 1.6522061e-07 3.6867931e-09
 3.1753803e-08 2.6069041e-05 4.1348684e-09 8.5809961e-06 1.2143722e-07
 3.8819335e-06 4.5846982e-04 3.0235915e-07 1.2106546e-09 3.0212858e-04
 7.7534397e-09 1.7129126e-06 4.5973203e-09 9.6103293e-05 2.2343230e-02
 4.3648220e-11]


0.45191455


32


[1.55271223e-07 7.07395813e-08 1.25951636e-11 6.35142272e-10
 5.79512634e-14 3.30419997e-10 1.38598009e-12 2.31506793e-11
 4.83921951e-07 1.29877470e-10 2.07093925e-11 4.70864236e-08
 2.75660886e-06 6.57216392e-10 1.18565522e-05 1.05340611e-10
 2.56190056e-12 5.53923539e-11 7.78926932e-08 1.57951097e-10
 2.47225816e-11 2.25704420e-11 7.83761736e-11 7.08210157e-11
 1.09713323e-11 2.71233992e-04 5.24870103e-09 3.32094617e-12
 9.54968815e-09 5.20353372e-10 7.15808385e-11 1.90513241e-08
 1.70327983e-08 1.86883800e-10 1.12079554e-10 9.06601044e-11
 2.42481504e-11 1.05832003e-10 4.53008381e-10 1.62329053e-10
 1.86233681e-10 1.50104287e-11 7.44753922e-13 9.80307391e-10
 5.81561031e-14 1.04179261e-11 1.60486846e-10 1.40400703e-11
 1.30736817e-12 5.08246813e-11 5.65579972e-10 2.28392490e-14
 9.55430665e-11 2.97783409e-10 5.44670866e-06 2.79595058e-09
 5.55894886e-09 6.18484907e-12 1.61271135e-10 3.69344000e-11
 1.04035991e-09 8.69530581e-09 1.52424318e-09 5.69536585e-10
 3.19166338e-09 8.57946700e-11 3.85588202e-14 5.47933145e-14
 2.20626468e-12 1.53023861e-12 3.90206141e-15 1.68483824e-10
 3.39213657e-11 3.94672402e-12 7.57932519e-12 1.80604004e-11
 8.93037658e-11 3.69234816e-11 1.19255314e-13 4.28249020e-10
 1.85927575e-12 7.33637456e-12 3.24190761e-12 1.68753678e-10
 9.99707758e-01 4.05610917e-15]


0.99970776


84


[9.68468845e-01 2.61610239e-06 3.38754198e-08 3.09487060e-02
 1.41582156e-12 3.08706859e-07 4.06820133e-11 5.48192524e-12
 1.34011955e-07 1.94515981e-09 1.00011102e-12 6.75040163e-11
 3.18861076e-10 4.79749351e-10 1.57142210e-08 2.53614768e-10
 4.55368054e-09 1.15260260e-10 9.48511963e-11 6.94701102e-11
 1.37488065e-09 1.76747394e-09 8.87972895e-09 4.76040485e-10
 6.92304269e-11 1.46457637e-07 1.35786664e-07 5.12351106e-10
 1.91606340e-08 5.64235103e-09 3.75608260e-11 8.58774172e-08
 6.05186967e-09 1.27544297e-09 8.08997580e-09 3.08379811e-08
 2.09157780e-09 6.99108826e-11 6.57397436e-07 1.29489898e-12
 4.02842630e-08 5.35622879e-10 3.20801441e-11 4.89221429e-06
 7.90806968e-14 1.46877857e-10 2.25281260e-09 3.98978539e-09
 1.78984536e-11 1.91737576e-12 2.81408952e-10 1.48636792e-09
 5.98507244e-09 5.17315275e-05 5.17565000e-04 1.59434636e-11
 2.98174929e-09 1.20641986e-11 6.75562859e-08 6.68134037e-09
 2.01011630e-09 3.98810812e-07 2.23611285e-09 5.67977532e-09
 8.24524136e-07 8.20484480e-09 2.47547566e-10 1.00203889e-13
 2.59945949e-12 7.38559491e-11 1.74740378e-11 7.23418200e-12
 5.79577386e-10 3.13028353e-11 1.00080076e-10 1.23147870e-09
 1.14483010e-08 1.39105092e-08 5.34753943e-11 2.03888902e-11
 3.11105391e-10 2.00741962e-12 5.37230571e-09 7.52561316e-13
 2.63364041e-06 9.99927897e-13]


0.96846884


3


[6.3203318e-09 1.9450268e-10 1.9085193e-11 7.2480695e-08 8.0027787e-13
 4.6791286e-14 4.0704357e-13 1.4357787e-11 2.1642194e-08 3.7500381e-14
 7.8137115e-17 3.2668920e-12 8.2464391e-10 5.4020146e-13 4.3594108e-12
 1.2025411e-10 3.7211787e-08 2.5486413e-10 4.2973580e-10 6.2358112e-11
 2.8227037e-10 2.5905844e-10 1.7786957e-10 8.5647722e-10 3.3457228e-12
 6.8656977e-12 1.6262564e-10 2.4540261e-10 2.2327424e-04 2.2275690e-05
 1.4290335e-05 9.9921787e-01 3.5353376e-05 1.3764254e-04 3.4893377e-04
 5.4184643e-09 4.8250675e-09 9.7218063e-08 6.6177947e-08 3.0362916e-08
 4.2146294e-08 2.0020814e-10 1.5984493e-11 3.6116326e-08 1.8822771e-11
 1.8683615e-09 4.4430681e-09 7.5897084e-09 1.5141616e-10 2.1167764e-12
 2.2592777e-09 2.6408289e-13 9.8170327e-10 6.3374660e-11 2.0755037e-10
 5.1345930e-16 1.6307601e-10 1.4156297e-10 8.4298823e-10 1.1466048e-09
 1.8300680e-10 2.8699902e-09 3.2172188e-12 4.0449827e-12 1.6719214e-10
 1.0920907e-12 1.2980479e-12 2.9495208e-13 2.1279641e-13 4.1982320e-11
 5.8560057e-10 4.2368381e-14 6.2984984e-10 1.4277671e-10 6.3004385e-12
 5.1753094e-12 1.3181385e-10 6.0142926e-09 7.8735500e-14 3.6965922e-10
 3.0255791e-12 8.4527359e-12 1.4955022e-14 1.8908122e-11 2.0987208e-09
 1.0298373e-12]


0.99921787


31


[1.1641952e-05 3.4797577e-05 2.9155441e-08 6.2061679e-01 5.7986105e-10
 1.7307945e-10 6.3342257e-12 9.3711566e-11 2.9655718e-12 2.1097704e-09
 4.1109954e-12 8.7031275e-08 1.9806194e-09 2.5252161e-11 4.0137397e-06
 4.3429960e-08 1.4356436e-09 2.3291378e-09 7.0666239e-08 3.1058944e-09
 4.1093080e-09 8.8601143e-07 3.7570941e-01 1.0926083e-07 7.2039907e-09
 2.8359837e-11 3.0548446e-09 4.5964822e-11 4.3172257e-09 2.2947021e-10
 1.3106447e-11 9.5376009e-08 3.8731243e-10 3.0452546e-07 1.1155562e-09
 4.8598031e-10 2.0189393e-10 3.2226361e-12 2.2198975e-10 6.2939627e-13
 1.1657040e-09 1.5929133e-11 1.3753198e-13 2.8176383e-09 1.6043796e-13
 1.7368182e-12 5.6527161e-10 1.0266444e-09 3.0393630e-12 5.7351790e-13
 7.4059585e-11 7.2868996e-11 2.9618681e-09 2.1431172e-09 1.1919192e-09
 8.1730629e-14 6.1194390e-14 4.5946567e-12 7.2454931e-08 1.9574596e-08
 1.2847847e-11 3.1900939e-07 5.7414759e-12 1.9392865e-09 3.2133929e-12
 7.1420744e-11 1.4641741e-09 6.8703197e-13 2.3566611e-12 2.0695763e-08
 3.6212169e-03 1.9621993e-12 4.5597907e-11 6.1601425e-11 1.0546167e-10
 9.8183319e-09 6.8711127e-11 3.3202494e-09 8.0189994e-11 4.8634912e-11
 1.2417772e-10 1.7318570e-11 2.9027266e-08 1.9339413e-13 4.3617078e-08
 9.1666616e-13]


0.6206168


3


[2.3079735e-04 1.1488057e-02 1.0438947e-06 1.9462456e-03 2.9139770e-11
 6.3801049e-09 1.8285792e-09 1.2309144e-06 7.7631540e-07 1.7371079e-06
 7.0769809e-12 6.5171872e-07 1.9214542e-04 1.4402758e-09 5.5110991e-07
 1.0929999e-07 4.7279105e-08 7.8447110e-10 6.5326780e-08 3.7643893e-08
 2.4972046e-08 2.4406171e-07 3.8825826e-07 2.2492962e-07 6.1635324e-09
 5.0626545e-07 4.4109274e-05 9.2007131e-09 3.7178434e-03 8.2325451e-03
 7.0350929e-06 7.7641112e-01 4.8847618e-05 2.0657895e-02 1.8282918e-03
 9.1094544e-06 3.4720610e-08 6.7093833e-07 2.3511723e-06 6.1444064e-07
 2.9691969e-06 1.4124602e-07 5.3398743e-09 7.4347563e-06 9.7489627e-10
 1.5235065e-07 8.0545470e-07 1.7641178e-05 2.1111890e-07 5.6051674e-09
 2.5113681e-07 1.6690564e-07 2.9327848e-07 8.6743495e-04 5.5759341e-07
 2.0062949e-09 4.8220227e-05 1.3886893e-07 7.4814256e-05 2.4093964e-05
 1.5033445e-06 1.7104501e-01 2.7084911e-06 2.9779584e-03 5.0044150e-06
 2.5329544e-10 1.0642658e-09 2.7104767e-09 3.1036684e-08 5.5148686e-09
 8.4371328e-07 1.3591647e-09 4.1918433e-09 1.6520727e-06 2.3166429e-09
 1.2464014e-07 7.7143639e-05 2.8556776e-06 1.8080848e-10 1.0769093e-06
 1.3414146e-09 1.5519883e-07 2.3027232e-08 1.2726754e-05 5.9186561e-07
 3.8748253e-09]


0.7764111


31


[1.0578237e-05 8.0470032e-05 1.2356659e-07 7.3061562e-07 9.8003623e-09
 7.7461664e-08 3.8724073e-09 4.0720417e-05 7.3083921e-09 1.2986492e-08
 2.1328504e-10 2.5379877e-06 1.4844201e-04 1.4990550e-07 5.8417489e-05
 2.5881830e-06 3.8934331e-07 3.4157732e-03 9.6840447e-01 1.1728107e-05
 4.6137484e-07 2.4581622e-04 7.9791135e-07 2.1090970e-07 6.8888374e-07
 1.3890914e-05 6.3308285e-06 2.3764573e-08 1.9536112e-02 2.3816929e-05
 5.0117146e-06 9.5392306e-06 2.2716024e-03 5.1974892e-03 4.8705733e-06
 1.0946699e-06 3.5093652e-07 1.2406922e-06 6.4877401e-07 2.2723518e-07
 2.9993029e-08 5.1043730e-07 5.8610137e-08 8.0415180e-07 3.8726451e-08
 5.5598417e-07 8.9394041e-07 7.0486715e-07 1.5426511e-07 1.1755725e-08
 5.5853565e-07 1.5714734e-08 1.9532541e-07 7.6408622e-07 1.8019446e-07
 1.5533015e-08 3.7030110e-04 5.9415143e-08 5.3165663e-06 3.7278117e-08
 4.0674599e-06 4.1653293e-05 3.1256418e-06 2.4367666e-05 4.2764359e-08
 1.1841776e-07 1.2245062e-09 1.0010369e-08 1.2241917e-08 1.3482178e-07
 4.9535976e-07 5.5112299e-08 2.5050843e-08 1.5689749e-07 9.4705435e-09
 7.4291393e-06 5.8347723e-07 1.3796580e-07 1.0658828e-08 4.1285176e-07
 9.9755709e-08 1.3928618e-08 1.8331022e-07 2.2791472e-05 1.5353991e-05
 1.2832601e-08]


0.9684045


18


[2.3294740e-06 9.9997485e-01 1.0420430e-11 1.0414762e-08 5.8168314e-14
 2.0039650e-10 1.1130469e-11 2.2077271e-07 8.1796549e-11 2.3940867e-09
 4.7082629e-13 1.1701043e-07 1.2339822e-06 1.9258825e-10 1.4320568e-05
 1.4367089e-09 2.3993697e-14 3.6923607e-12 5.0490616e-09 4.1623245e-13
 4.9924583e-12 1.0949461e-12 3.4385157e-12 7.3742392e-12 2.1637993e-11
 3.6467605e-07 2.4296265e-10 2.8800595e-12 1.5162391e-07 3.2767239e-10
 1.0660994e-11 2.3058426e-09 7.3998557e-08 4.1448542e-10 3.4437748e-11
 2.8186821e-12 4.5887183e-12 5.2489415e-13 1.6799440e-11 1.4763197e-12
 4.9686118e-13 2.4788190e-13 6.6068658e-14 7.4870217e-09 5.9519548e-15
 3.0913382e-12 1.2890851e-11 2.9591414e-12 4.3656641e-14 9.8646189e-13
 9.0621339e-12 6.8156055e-13 4.9717244e-12 2.1509784e-10 4.8426152e-08
 1.1669389e-08 1.2299579e-10 1.4930755e-12 1.3208882e-08 1.6329296e-10
 1.5213612e-10 1.8227720e-08 9.5742692e-10 5.9877379e-09 2.1179889e-11
 6.4789480e-12 1.4987091e-14 4.5281014e-12 1.7221287e-12 2.4935311e-11
 9.1063913e-11 3.1184885e-10 2.2894806e-11 1.3237217e-10 1.9258651e-13
 1.2641706e-08 7.2082051e-10 1.2187993e-11 4.0826880e-14 1.7688211e-09
 2.2797493e-12 3.0473529e-10 3.2847693e-11 1.0311413e-07 6.0646416e-06
 4.1396589e-16]


0.99997485


1


[1.20509640e-05 2.49379423e-06 5.65252867e-09 1.68929459e-03
 4.25516546e-08 1.56691317e-06 7.30398995e-08 2.96599438e-07
 8.93700144e-06 5.01126749e-08 1.31520039e-08 4.78596849e-06
 8.55233192e-01 2.06519815e-07 6.39705377e-07 2.36305581e-07
 8.86600660e-08 1.42347778e-06 9.17794605e-05 5.47737363e-06
 4.76455284e-07 3.72221530e-06 5.91286209e-07 9.19126819e-07
 6.62774156e-08 9.34851076e-03 5.37319167e-04 1.20816139e-06
 1.42677710e-03 1.29700820e-05 7.18666342e-05 1.29157780e-02
 1.20698554e-04 3.51081893e-04 2.88818660e-03 1.26806606e-06
 1.28458979e-07 4.73209411e-07 3.26163126e-06 5.62594096e-07
 1.34674707e-07 2.59928242e-07 3.53704834e-08 8.15374733e-06
 6.28524162e-07 4.22192500e-07 6.02755927e-06 4.12397497e-07
 5.33972937e-08 1.07849814e-06 1.17703894e-05 2.35330799e-06
 1.09415645e-07 1.57142040e-06 2.88233641e-05 1.96686415e-06
 2.15905966e-04 6.47614058e-07 1.18080306e-05 2.79115540e-07
 5.10915106e-06 4.75327368e-04 5.13177974e-06 5.05862408e-05
 6.47733884e-07 5.55270230e-09 6.41934195e-09 2.16746940e-07
 2.61721766e-06 3.85166166e-09 5.40430065e-08 2.62623594e-08
 1.10884407e-07 1.63903707e-07 1.33242668e-06 5.98073802e-06
 3.78433788e-06 2.50680017e-07 2.74319429e-08 4.25689541e-06
 2.22328794e-07 2.79909000e-06 4.96303358e-07 9.76490453e-02
 1.67607963e-02 2.86298918e-09]


0.8552332


12


[5.61060278e-06 1.45121881e-09 2.80875823e-10 5.36638033e-03
 7.59337426e-10 1.37898894e-11 4.81110637e-11 5.02341051e-12
 2.22662857e-06 1.26927488e-11 5.21888630e-13 1.36781020e-09
 2.09819433e-07 1.05923159e-10 7.16125204e-09 1.34758815e-09
 1.37460816e-08 1.50376778e-09 7.19714111e-09 8.61388294e-09
 6.50418053e-10 6.78400058e-10 6.23375968e-07 7.36604946e-08
 5.65994439e-11 1.96294664e-07 3.23973654e-05 7.22163085e-09
 1.40937732e-03 1.02381398e-06 1.24336861e-04 9.59135532e-01
 9.58946475e-06 3.00210738e-03 2.86191534e-02 8.59414115e-07
 3.76667408e-09 1.00373585e-08 1.77304230e-06 1.54179496e-08
 9.91200864e-08 1.93513543e-08 3.15922510e-10 1.85309591e-06
 6.72584266e-10 1.04838838e-09 2.93717846e-07 3.86536669e-08
 1.16782473e-10 2.70937106e-10 2.84557331e-07 3.44799828e-10
 8.55353566e-09 4.51892305e-07 6.91823573e-07 3.13146065e-10
 8.06530664e-09 4.29365793e-10 9.93487356e-06 1.71846839e-08
 2.25735832e-07 2.24472070e-03 5.83095749e-09 7.02516263e-06
 1.00709237e-07 1.14561048e-10 1.72608271e-12 3.78112402e-11
 1.99385362e-08 4.25025917e-11 3.59636125e-08 1.29745117e-10
 2.01979170e-10 1.14036860e-08 8.58147864e-09 3.11503245e-09
 1.02111042e-09 4.90972774e-09 3.46145418e-10 9.18427858e-08
 1.39397995e-08 6.46105613e-09 1.43897377e-11 3.27405292e-06
 1.92522402e-05 3.48750007e-09]


0.95913553


31


[1.03617436e-04 1.34940024e-06 6.57236598e-10 2.29823399e-05
 2.15373234e-07 5.53523421e-07 7.62083019e-08 4.50101788e-06
 3.37772747e-07 2.00802802e-07 7.41010012e-07 1.44099758e-05
 1.18335163e-06 2.77566869e-06 1.94256403e-03 2.77749837e-06
 6.84368558e-07 8.91556621e-01 7.58234784e-02 3.13039054e-04
 1.02322781e-06 6.43367966e-05 6.31470408e-04 6.46705439e-06
 7.04577678e-06 8.39775242e-03 6.30695198e-04 5.27087600e-08
 9.78443539e-04 1.10008514e-05 2.30142405e-06 1.34963784e-05
 2.89308337e-05 1.08998211e-03 1.80240841e-05 2.18511468e-06
 1.51523324e-07 1.24304449e-07 8.31458749e-07 6.17292244e-07
 6.41708766e-08 7.44104227e-08 1.04139552e-07 9.75993771e-07
 4.13583301e-08 4.14098489e-09 1.68363101e-06 4.66974456e-07
 2.20974830e-08 8.57535909e-08 5.35258607e-07 1.61559910e-07
 1.49507798e-06 2.76750512e-07 1.07881888e-05 8.79158648e-08
 6.77646767e-07 1.30573117e-08 7.12089022e-05 3.85891719e-09
 4.67080499e-05 8.89514107e-03 1.66525613e-04 1.49683416e-04
 6.31157263e-06 1.30881949e-06 1.06524336e-08 3.98063005e-09
 9.43982968e-07 1.18620953e-07 3.24204188e-06 1.02466913e-06
 3.64375808e-07 2.32453544e-07 3.87376957e-07 2.61417341e-07
 6.76322598e-09 1.00303545e-07 1.33930911e-08 9.70154375e-08
 7.34287278e-06 2.12049571e-07 1.26868679e-06 9.97153809e-04
 7.95563404e-03 2.48863206e-08]


0.8915566


17


[7.4576726e-04 2.6761703e-04 5.0054947e-09 4.6336309e-06 1.2255635e-10
 2.6988165e-08 7.3342555e-08 2.5154370e-06 7.0487694e-03 9.0263518e-07
 4.5260112e-10 1.6720314e-06 9.0227911e-04 1.1680427e-07 1.4472794e-04
 1.5739400e-06 4.0740073e-08 5.3937526e-09 1.9954983e-07 3.3059794e-07
 2.1101363e-07 1.4726510e-08 2.9347888e-08 5.3613365e-07 1.8381290e-07
 1.2353629e-01 1.1592256e-04 3.0708904e-08 4.1108564e-01 7.3310919e-04
 9.2731054e-05 5.4989543e-02 4.5079054e-04 1.6564609e-03 2.2619769e-03
 1.9900187e-06 5.1344449e-07 5.8921739e-07 2.0569289e-05 3.2138644e-06
 2.7609747e-07 3.2858487e-08 5.4823218e-08 2.5823498e-05 1.4553044e-09
 7.0633675e-08 3.7417615e-06 9.0191418e-07 7.9639424e-09 2.1241850e-07
 5.0521080e-06 3.4262748e-09 2.2581317e-07 1.9212259e-05 1.0427181e-03
 2.6224541e-06 2.0829268e-04 1.7112247e-07 6.3959352e-04 2.1568749e-05
 3.6775100e-03 2.3100415e-01 2.1603447e-04 1.1084651e-02 1.9187605e-03
 6.8163990e-07 3.1681138e-10 2.3544704e-08 9.3825784e-06 3.6087094e-08
 7.3353178e-08 2.3949478e-05 2.3713224e-07 2.1918313e-05 1.9325141e-07
 6.3659863e-05 6.5770241e-06 2.7719857e-06 9.2158601e-09 4.3321514e-05
 1.0132484e-07 1.2365791e-05 2.8284322e-08 8.3213212e-04 1.4503919e-01
 1.1517409e-10]


0.41108564


25


[3.3291374e-06 6.9214728e-08 1.7593020e-09 9.9322017e-10 7.2181394e-13
 1.7492415e-08 2.1194595e-11 1.9380137e-09 1.3460170e-06 5.1423577e-11
 8.1185961e-12 3.1804268e-09 2.2366996e-06 3.7339969e-08 2.1809052e-07
 5.5920818e-10 4.1594471e-11 1.8560618e-08 6.5539808e-08 4.2009907e-09
 5.8351662e-10 1.3414062e-10 2.2664635e-09 3.8587906e-09 1.9455385e-10
 1.3405968e-04 7.2070117e-07 2.1070028e-09 1.8045326e-06 1.9320014e-09
 1.8637955e-08 3.3500601e-07 1.9484101e-09 4.6019441e-08 2.0551774e-09
 5.3330234e-09 4.7214432e-10 3.0866865e-10 1.1390193e-07 3.9025250e-10
 8.4785784e-10 3.8118250e-10 3.1519695e-10 1.9489694e-07 1.4294882e-11
 5.2589162e-11 1.0232756e-09 7.7147802e-11 3.7754782e-11 4.1182260e-10
 1.9918334e-08 2.4878027e-10 7.1698407e-09 7.6319360e-09 3.6532258e-06
 1.9622229e-10 1.0612464e-07 1.0737073e-10 1.5599467e-08 4.3650100e-08
 1.4173491e-08 6.2876802e-07 4.2049331e-10 9.6835890e-08 4.7527191e-08
 2.4870830e-09 7.9094864e-12 2.0107089e-12 1.2794173e-10 4.5238316e-10
 2.8242688e-11 2.0067770e-09 1.0700870e-09 2.9444547e-10 3.3619274e-11
 9.4249508e-10 1.0465394e-09 5.2731208e-10 1.8600637e-11 6.3689143e-10
 2.1269282e-10 8.2698556e-11 6.2969602e-10 6.4893202e-09 9.9985063e-01
 1.0810444e-12]


0.99985063


84


[9.99953985e-01 1.54341450e-07 7.47696766e-11 1.18937623e-06
 6.44993863e-15 1.47766321e-09 4.82064519e-12 1.48982007e-10
 1.33632350e-08 2.17636270e-10 2.24248161e-14 5.91023194e-12
 5.92600892e-13 1.33886319e-10 2.43785582e-11 8.13442855e-11
 3.81323514e-11 1.13375043e-09 1.27421520e-11 1.43379572e-10
 1.52081597e-10 1.49748564e-11 1.18726096e-09 3.42352702e-10
 2.77657397e-10 2.14603890e-08 2.45863589e-07 5.63844860e-10
 1.48660618e-07 1.06480413e-09 1.78385429e-09 4.26893942e-09
 5.53505436e-11 4.66951233e-09 5.68322445e-10 7.41771355e-09
 3.12784715e-10 8.85795343e-12 2.73299690e-07 1.78675868e-13
 4.83423135e-10 2.66615636e-12 5.90712410e-11 2.34421645e-06
 2.51841218e-13 1.51761828e-12 4.46589626e-10 1.50237295e-10
 9.28253676e-13 1.39737234e-13 7.43766784e-11 1.74109687e-08
 2.28501573e-09 1.26245288e-06 3.88822627e-05 4.08817858e-12
 2.05271598e-11 1.90967928e-13 9.34070332e-09 6.34901598e-09
 8.79409379e-10 9.89870230e-08 2.66531866e-11 5.30900257e-09
 7.14753279e-09 3.55448537e-09 1.73721315e-11 2.72997330e-14
 9.61792711e-13 4.06206423e-11 6.62764232e-10 5.02941126e-11
 4.34106570e-12 6.45887718e-11 1.01524919e-12 4.41743808e-10
 3.80681292e-10 1.99930378e-10 9.47320868e-12 1.23772769e-12
 1.15283456e-10 2.23662221e-13 2.10484158e-10 4.84738378e-12
 1.35419725e-06 3.54786757e-13]


0.999954


0


[9.94919002e-01 3.43497004e-06 4.29673103e-10 4.94073029e-05
 3.70551550e-12 2.24413668e-07 9.57655691e-11 3.57413086e-08
 4.39876601e-07 2.09957669e-08 1.34263304e-11 1.77312287e-09
 8.36760716e-10 1.74727210e-09 6.13409532e-11 1.93702565e-09
 1.36229084e-09 9.08711506e-09 1.46528848e-11 3.35396544e-10
 4.37866321e-09 6.72925396e-11 2.83791657e-08 3.34942829e-09
 3.54401597e-09 5.67976706e-08 5.46355125e-07 2.45403609e-08
 1.46127612e-04 3.05105527e-06 2.71106655e-05 3.69232964e-08
 2.64511442e-07 9.81061385e-06 5.14855500e-08 2.21558685e-06
 2.33740938e-08 1.84806892e-09 4.83919925e-04 2.45318155e-10
 1.52263885e-06 2.32508582e-10 9.14639813e-08 4.31873929e-03
 2.05994022e-09 3.26917493e-09 1.09295932e-07 1.43138223e-07
 2.46629023e-10 1.53639226e-10 5.59339597e-08 3.26597956e-06
 8.00302416e-07 1.28080455e-06 4.49223853e-06 1.07482070e-11
 7.13718140e-10 1.80370770e-11 9.31003399e-08 1.37166603e-06
 4.29933016e-06 2.48981405e-06 1.23300396e-07 4.95444419e-06
 4.66902662e-07 7.46980149e-08 1.04174758e-08 4.31892994e-11
 5.87009885e-11 6.03797901e-08 4.68298907e-07 8.71575434e-09
 8.31424818e-10 3.24522098e-08 7.01700753e-10 6.22835273e-07
 3.57859165e-08 1.16874709e-07 8.30749580e-10 2.60042499e-09
 3.06744248e-08 5.08906944e-11 3.71156172e-09 2.07625495e-09
 8.40494158e-06 1.14658796e-10]


0.994919


0


[9.9999619e-01 1.4837440e-07 9.4632212e-13 1.2070983e-07 1.9537120e-15
 8.4172767e-09 1.4120154e-12 4.0363702e-11 1.8478459e-09 1.2775110e-10
 4.9489855e-14 8.9441784e-13 4.0271223e-13 1.5726599e-11 1.1853904e-12
 1.5278662e-11 1.1607840e-11 2.6433926e-11 1.2382946e-12 1.6812171e-11
 2.3551855e-10 4.1625267e-12 1.1066992e-10 7.4688450e-11 1.2816748e-10
 1.5486474e-07 8.6928804e-11 1.2516745e-10 2.0818302e-08 7.8080546e-09
 2.6922470e-10 6.8700497e-12 1.4280782e-10 4.3062046e-10 1.1935403e-11
 3.3260370e-09 4.4487556e-11 4.2356296e-13 7.8453093e-07 4.1574362e-14
 1.6732285e-08 1.8216600e-12 1.2452332e-10 6.8163047e-07 8.4816384e-14
 1.0579179e-12 2.6773198e-10 2.3570652e-09 2.8720719e-13 6.1927752e-15
 4.6071039e-11 1.3612479e-06 1.9151734e-09 6.0108198e-09 4.9997055e-07
 4.6144227e-14 4.6225315e-12 2.0646805e-15 2.3057894e-10 8.2170866e-09
 2.1210957e-10 1.6231898e-09 4.9002816e-11 6.1159895e-09 1.1403198e-09
 2.5720404e-09 5.1610011e-11 8.1814404e-14 3.4179297e-14 1.0621567e-10
 8.6792984e-10 7.3725998e-11 3.3243196e-12 3.6167298e-11 6.1602080e-13
 6.9342905e-09 3.4616177e-10 1.3024493e-10 3.4187559e-11 3.9084808e-13
 1.4357931e-11 5.6168418e-14 1.5965850e-11 3.1059655e-13 9.7395674e-09
 1.7806208e-14]


0.9999962


0


[1.59832780e-06 7.19009130e-10 7.36507522e-11 8.67010215e-08
 2.55585379e-11 1.41897738e-08 4.59885472e-12 3.71310187e-12
 9.62261104e-11 8.06241254e-11 6.85901694e-13 3.98818348e-12
 9.70547861e-12 9.43005188e-11 9.26606448e-13 1.74841558e-10
 2.80379098e-08 3.56926186e-08 2.35077802e-09 2.26749242e-09
 1.34294908e-07 2.56875365e-09 3.54794749e-09 4.79207563e-09
 2.37239526e-08 2.89939948e-08 1.18555138e-10 2.91694696e-10
 7.56661223e-08 1.12867573e-08 4.54524862e-09 3.37171513e-10
 9.89598847e-10 3.25203899e-08 1.17904311e-10 7.29258005e-08
 2.03756745e-08 1.95800095e-11 1.32043888e-05 1.06616354e-12
 2.31909581e-07 5.22633048e-10 3.79602394e-09 2.03533887e-07
 4.95880698e-11 1.05087983e-09 2.37963954e-10 1.35534384e-08
 2.67951824e-11 8.09568937e-13 4.79954831e-09 9.99984026e-01
 3.15636228e-09 2.85062907e-08 8.69669281e-10 4.66016453e-14
 2.59893040e-12 3.73175645e-14 1.42537773e-10 9.96105531e-10
 7.73773223e-09 5.48648682e-09 6.57656082e-11 4.05408080e-08
 5.61771428e-11 2.14735518e-09 7.78777320e-10 8.49937308e-12
 2.26006856e-14 1.91411928e-10 8.46545611e-10 5.03715125e-13
 1.83432491e-09 3.19570537e-10 1.14303098e-11 7.24394456e-09
 1.00942636e-10 4.44142917e-10 1.15698029e-09 2.24944724e-13
 2.97506152e-11 9.20261724e-14 5.80472129e-12 3.92073797e-13
 3.95348303e-11 6.17127313e-12]


0.999984


51


[2.8491604e-08 1.4505996e-07 1.8075077e-14 2.2027115e-11 2.0677040e-16
 7.3492932e-09 7.8663887e-13 7.5684386e-13 1.4124758e-10 3.6535896e-12
 2.4339497e-12 2.4073112e-11 7.3583544e-09 5.0042123e-11 4.4673068e-10
 6.4881531e-13 3.2129913e-12 2.8293194e-11 2.1869678e-10 1.7470473e-11
 2.0745168e-10 1.2700922e-10 9.5839179e-12 7.6492118e-10 1.9936481e-09
 9.9999893e-01 3.7586466e-12 1.8502100e-13 1.2149810e-10 5.5016006e-11
 7.5762767e-14 1.9958061e-12 3.0336528e-10 1.5593242e-12 5.5288476e-14
 1.8392588e-11 3.5565489e-10 1.3043951e-13 5.4828203e-10 3.6289492e-15
 1.9098881e-10 8.9740776e-12 2.2753210e-12 1.7844652e-09 1.5521348e-15
 1.2390581e-13 1.0602924e-12 3.8158872e-11 5.7446642e-14 7.2109636e-14
 3.1034664e-11 5.9514605e-08 7.2212146e-11 5.2476463e-09 4.2074038e-09
 4.6373430e-13 8.5952583e-13 3.7013550e-16 8.3478346e-12 9.2548094e-13
 5.8022953e-12 2.1017589e-10 4.5257409e-12 3.0633124e-10 3.6497515e-12
 3.8611353e-10 4.3400171e-13 1.6411660e-13 6.8197121e-16 1.3749232e-12
 1.1169937e-14 3.6966779e-12 1.0693779e-10 2.2160972e-13 2.0240490e-15
 8.3736813e-09 4.6237146e-13 4.7482564e-13 4.0761144e-12 9.9132823e-15
 2.7985630e-13 7.9535872e-14 9.3966848e-12 4.7313165e-12 7.3343870e-07
 2.7762173e-17]


0.9999989


25


[1.35191138e-08 9.99998331e-01 1.05036380e-09 1.05921794e-09
 3.42558399e-15 8.99130380e-13 6.42554066e-12 1.08607372e-08
 1.34302649e-08 4.87857421e-10 1.38893102e-13 6.03536591e-07
 3.35095734e-07 8.30855783e-13 9.75231562e-10 7.30081481e-11
 2.35605446e-09 1.06207032e-09 3.45941586e-09 1.77310430e-10
 1.47711443e-09 1.86586885e-10 7.58551277e-10 6.96361369e-08
 3.93503115e-08 2.74612148e-07 1.13747223e-09 1.26938531e-12
 2.93543199e-08 5.84129012e-08 5.55386812e-08 2.79185475e-09
 1.10114037e-07 4.97661801e-10 1.46798906e-09 2.72529638e-11
 2.26228565e-08 8.24146654e-12 7.59324270e-10 1.86064987e-12
 1.89666477e-11 7.16052273e-10 3.28757924e-11 2.99612973e-10
 2.71591153e-13 1.22567539e-10 6.71995626e-10 4.01970152e-10
 6.44841680e-11 4.44059665e-13 6.26005747e-10 1.61259561e-10
 1.32414609e-11 2.70344080e-09 2.39497422e-09 2.11740469e-11
 1.79071979e-10 4.15652191e-12 2.02222284e-11 1.18020538e-10
 2.81999313e-10 4.10296641e-09 5.43639711e-09 2.99398076e-11
 5.39168155e-10 1.54547639e-10 1.05543102e-12 1.02893992e-10
 5.36470445e-13 1.26930744e-09 1.04091735e-11 8.02364342e-10
 1.61912331e-10 1.41530385e-10 1.67013498e-13 3.83900378e-08
 6.09623863e-09 1.11311975e-11 1.64486382e-12 5.17567066e-11
 6.88373187e-12 9.06103734e-11 1.13940046e-09 3.77522180e-11
 2.96000580e-09 1.64473690e-14]


0.99999833


1


[4.05667713e-08 3.56060390e-08 2.17043393e-07 3.16802812e-07
 2.89698185e-08 7.55289494e-12 1.81855342e-09 1.13883427e-08
 4.21665663e-06 2.53970200e-09 3.00637937e-09 1.94622302e-07
 1.25228368e-07 2.83142709e-09 1.28719523e-06 8.91444506e-06
 2.70705193e-01 6.30798340e-01 7.68660977e-02 1.89601141e-03
 1.48338580e-03 1.42977107e-03 4.59796487e-04 1.55011825e-02
 8.24321294e-04 1.59846536e-08 4.85653345e-07 4.45973081e-09
 1.58727607e-06 3.87329419e-06 8.55414953e-07 4.38323013e-07
 7.30402917e-07 5.24308348e-07 3.75062001e-07 1.81353710e-06
 7.41025360e-07 5.80259325e-08 1.22717239e-07 4.61386769e-08
 1.02376543e-08 1.77569586e-06 1.72799712e-08 3.27138916e-09
 3.74216103e-10 2.39457563e-07 2.09109714e-07 5.82743738e-08
 6.64745755e-07 7.25094484e-10 4.72209535e-07 3.92972424e-07
 7.98904676e-09 3.09502930e-08 4.48485444e-08 1.48093813e-08
 3.86551164e-06 1.95009653e-09 2.91527957e-08 2.82301080e-08
 3.06597315e-07 1.04157927e-07 7.91575516e-09 1.13121823e-08
 8.94098307e-08 9.21512289e-09 2.81483832e-08 2.44649634e-09
 8.93151864e-09 2.04276418e-07 9.04324970e-09 6.35377084e-09
 9.61431894e-08 8.78054180e-08 1.80681548e-09 4.32011475e-08
 7.40932116e-09 1.83282083e-08 1.01070492e-10 1.62679858e-09
 1.46634682e-09 1.99575556e-09 1.10797616e-09 1.83862170e-09
 4.96146724e-09 8.68168870e-10]


0.63079834


17


[2.0382686e-03 1.5833454e-06 2.2672070e-06 4.5491470e-06 1.5172031e-08
 5.0470450e-09 2.2683240e-07 8.0993665e-08 7.3108699e-06 1.7286379e-07
 2.5817554e-08 1.0238973e-06 1.8299735e-07 3.2418684e-06 5.5136603e-05
 2.5486949e-01 2.2734506e-01 5.6611657e-02 3.1166805e-02 7.8764610e-02
 4.5368783e-02 3.1375486e-02 3.6724906e-02 1.3918374e-01 9.6221916e-02
 5.1082698e-06 2.8570985e-05 3.9681126e-08 1.7978761e-07 6.5758815e-07
 1.3903990e-07 7.7781175e-07 7.2781625e-09 8.9246107e-08 1.4892214e-07
 9.3690392e-07 9.9430663e-06 4.7617968e-07 1.9354101e-07 6.7425304e-08
 4.1951993e-09 9.8595940e-08 1.9975849e-08 2.9819427e-09 9.4653306e-11
 7.5128348e-09 5.6542209e-08 3.9763227e-06 4.4668823e-07 1.8602961e-08
 3.2839132e-08 1.4884974e-07 7.8856360e-08 3.7450448e-07 2.1196587e-05
 1.6343735e-07 8.7907193e-07 5.3370774e-10 2.6496744e-07 8.8547827e-09
 1.6265568e-07 6.2814938e-06 9.9591553e-09 1.4330110e-08 1.8382836e-07
 2.4818369e-06 3.3041900e-07 1.7328755e-08 5.3279798e-08 6.5831500e-06
 1.3684038e-04 1.8460180e-06 1.0033439e-06 1.8500433e-06 1.9939505e-07
 3.0963197e-06 1.0981684e-06 6.6475063e-06 4.9320424e-06 1.6834295e-07
 3.4632684e-08 6.5087562e-08 2.8069978e-06 3.5002110e-08 1.6642715e-06
 5.5953969e-10]


0.2548695


15


[1.3919597e-02 4.6783504e-07 3.0675417e-06 3.2266655e-07 5.8333551e-09
 1.2480865e-09 7.0661898e-08 3.8145942e-07 3.9474203e-06 2.6718981e-08
 7.1715682e-08 8.5895490e-06 8.1885122e-07 1.0992871e-06 2.9071703e-05
 3.5901558e-02 1.0410021e-01 1.5556943e-01 1.1390542e-01 1.1070699e-01
 1.5844740e-02 1.6480103e-01 4.8441183e-02 1.9330303e-01 4.3147948e-02
 1.3027370e-06 6.9624730e-05 2.5162751e-07 8.5026647e-07 3.3448455e-06
 1.0203682e-06 9.3978015e-06 1.9409176e-09 3.8695013e-08 2.9897097e-07
 6.1573246e-06 1.1262090e-05 1.4695994e-06 5.5710802e-07 9.7130885e-07
 2.8093371e-08 1.3569873e-07 5.4999845e-08 2.0179087e-08 1.0467071e-09
 4.0602256e-08 2.4648200e-06 5.2503383e-05 1.3260009e-06 5.2835567e-08
 3.7461454e-08 4.2854108e-08 3.4835844e-07 4.9108358e-08 9.9083418e-06
 2.0466322e-07 2.2675242e-06 8.0147382e-09 1.6612017e-07 5.0184519e-07
 1.0438909e-07 8.1324606e-06 1.9044843e-09 1.8429215e-08 2.3317969e-07
 4.2234421e-07 1.0974555e-07 4.0491742e-08 2.5480566e-07 2.0756213e-05
 7.8229292e-05 9.0624832e-07 5.3588616e-07 4.1337967e-06 2.9878356e-06
 5.2974548e-07 2.4104369e-07 8.8057895e-06 1.8424751e-06 1.8364941e-07
 8.3405611e-09 2.6781370e-07 5.7049597e-08 1.9042629e-07 5.1140687e-06
 9.9960245e-09]


0.19330303


23


[9.99916553e-01 5.09060065e-08 4.63875907e-08 2.00209769e-07
 1.39260608e-12 2.17082446e-11 2.16585014e-10 4.09329598e-10
 6.08750270e-07 1.18721422e-09 9.05372739e-12 6.30795682e-09
 3.71678222e-09 1.29807320e-09 2.27705268e-08 2.33443529e-06
 1.11978375e-06 4.34810277e-09 3.43400330e-08 9.12891267e-07
 2.09235566e-07 5.74639998e-08 4.11146584e-06 1.94554832e-06
 2.72659179e-07 1.48917134e-09 3.04046139e-08 1.43981282e-09
 4.03457712e-08 2.06003449e-07 1.80290226e-06 1.97832733e-07
 1.58578459e-07 2.37687203e-09 2.47546922e-07 6.70704452e-08
 3.18052251e-08 4.19029824e-08 6.85102805e-06 4.65417749e-09
 2.27803003e-08 3.29318017e-10 8.92214858e-10 1.59367133e-07
 2.23182740e-11 1.21098624e-08 8.04365001e-08 4.44057296e-05
 1.16302190e-09 3.50631441e-10 2.54858157e-09 3.41147336e-12
 3.37593100e-08 1.17396768e-08 2.84788797e-08 6.51526888e-10
 8.97717012e-09 1.20417816e-11 5.10004952e-07 1.72221269e-06
 2.67787534e-08 2.53561922e-07 1.32687063e-07 1.37828122e-08
 4.29751196e-07 2.17444960e-08 1.17611865e-09 1.22274474e-11
 2.32113301e-10 4.82830522e-08 9.27547080e-06 2.00283381e-08
 1.19534240e-08 1.58396190e-07 1.08626509e-07 7.98902306e-07
 1.32405250e-06 1.65591678e-06 1.78324498e-07 2.35879014e-08
 1.57163671e-09 1.51362881e-10 2.70581957e-09 2.65547279e-10
 1.18301102e-07 1.04732323e-09]


0.99991655


0


[1.2140100e-07 1.5470937e-10 4.5105336e-11 7.0858550e-07 6.5019825e-12
 1.0913662e-05 4.0986631e-11 1.7571951e-13 4.0723658e-10 1.1797375e-11
 1.0969407e-10 1.5378022e-11 3.6891945e-10 5.4595244e-08 1.4295511e-10
 1.1146359e-10 4.6528965e-11 4.6138861e-12 1.5134094e-11 5.6704570e-09
 3.7493428e-10 7.6274470e-10 1.9318581e-08 2.0635973e-10 3.8123562e-09
 7.0618213e-08 5.3454073e-12 1.5115434e-10 2.0552513e-09 2.3558360e-09
 4.1109862e-11 2.4580689e-09 1.0574246e-08 1.3094844e-07 2.5685200e-11
 7.9006551e-10 4.3285067e-07 7.7899296e-09 4.4537842e-06 8.4322818e-12
 2.7068961e-06 7.2474145e-12 5.5606186e-10 2.0368530e-07 1.5809752e-10
 9.8318298e-10 4.8417189e-07 9.9996662e-01 2.1867178e-10 5.0565546e-10
 1.0696465e-08 2.3784601e-09 3.1983075e-07 5.3613891e-11 2.8012004e-10
 1.0824409e-12 9.9834969e-14 4.3804020e-13 1.0060049e-06 5.1269827e-10
 3.6137529e-08 6.9328694e-09 5.1050421e-08 4.7136719e-08 3.6194867e-11
 3.2322372e-08 1.8010942e-07 2.2594895e-11 1.2578148e-13 2.5386639e-11
 3.1305085e-09 1.2530305e-13 1.0668271e-07 6.3509191e-11 1.7001235e-09
 2.3954536e-07 3.1626574e-10 3.6418060e-11 1.1076470e-05 3.4147709e-11
 7.3483092e-10 7.0603354e-13 1.3253082e-09 2.2994957e-12 1.1465779e-09
 3.0384564e-12]


0.9999666


47


[9.13927849e-08 6.91736943e-07 7.03590615e-12 1.08030775e-07
 2.09502188e-13 8.92399669e-07 8.46358927e-10 1.40484271e-12
 5.26665378e-09 1.20725352e-09 8.52522497e-09 5.96227373e-11
 6.35426645e-08 9.94664475e-08 5.56236612e-09 1.30760619e-11
 1.58339921e-11 3.43155907e-12 4.23895002e-10 1.62736477e-10
 3.12465193e-10 2.99858194e-10 1.09989640e-09 1.05146745e-10
 2.17584528e-09 9.99874115e-01 1.17326635e-12 1.51033682e-11
 9.90596716e-10 2.00623873e-09 6.59771933e-12 2.59191002e-10
 3.31005232e-08 3.98117947e-08 7.96277193e-12 6.55587529e-11
 1.83553382e-07 8.58882354e-10 1.08096019e-05 1.52266824e-10
 2.83941336e-05 2.62807731e-09 2.53031529e-09 8.55204860e-07
 1.76811663e-13 1.41317805e-10 3.48593119e-08 1.76400245e-05
 5.39178771e-12 1.06156126e-10 9.43872358e-09 1.62855485e-09
 5.21741754e-07 1.04497673e-08 2.89907387e-09 2.26904467e-11
 9.83865333e-13 4.35941051e-13 2.51344776e-08 2.39830378e-11
 7.58583738e-08 5.85564486e-08 1.20486476e-07 2.39848504e-07
 1.23715149e-09 1.62409142e-05 1.05339417e-07 8.14478485e-11
 2.34823510e-12 4.79560350e-11 2.19119972e-10 3.02804691e-11
 3.01817607e-07 6.20972579e-11 1.31317041e-10 4.76978857e-05
 1.04201411e-10 2.82166041e-10 1.98282180e-07 1.66988699e-12
 1.29195432e-09 7.67336336e-13 5.14241805e-08 1.69169456e-10
 1.92259762e-07 2.33824949e-13]


0.9998741


25


[4.9585600e-07 1.9821628e-06 8.2819476e-08 5.3429558e-06 2.2444376e-10
 2.3651364e-08 1.2658303e-09 1.2403542e-07 3.2864190e-07 7.7159442e-08
 5.7941612e-08 2.9958218e-07 1.0189633e-05 1.0478267e-08 3.9462172e-10
 1.7900254e-07 9.9650970e-07 3.4688451e-08 2.0723230e-07 4.3437673e-08
 3.3181954e-07 7.0646541e-07 3.8468914e-07 2.7233938e-07 7.4566998e-08
 1.8207717e-07 1.3090336e-07 5.0459295e-07 1.0683151e-02 4.6708697e-06
 9.5647229e-05 1.0915988e-04 9.1180973e-06 2.0786077e-03 7.7275101e-05
 9.7222273e-06 8.3536776e-03 4.5922643e-05 1.1264900e-03 7.4584002e-04
 8.3020002e-01 2.0826597e-02 5.5484120e-03 5.4377471e-03 4.1102003e-06
 6.0729135e-04 5.8621414e-02 5.4585099e-02 5.1832394e-06 4.3565617e-08
 3.3387172e-04 3.4651730e-09 2.4773432e-05 6.6481948e-07 1.7055074e-08
 1.2264784e-08 3.0560339e-09 6.7892081e-08 1.8988345e-05 2.0279660e-07
 3.0435988e-04 4.7238493e-05 1.8462559e-06 4.2680975e-07 3.3702970e-06
 1.6029807e-07 8.2696206e-06 4.3265441e-06 1.0627078e-06 1.7762781e-07
 1.3175761e-06 1.8801967e-07 7.8973216e-07 1.0984304e-06 1.3362161e-07
 2.4378751e-05 1.2153115e-06 2.3464063e-06 4.3704654e-06 4.8996949e-06
 4.0637997e-06 2.4472426e-08 1.6677624e-06 5.4844867e-07 1.2900343e-08
 4.8520428e-06]


0.8302


40


[6.6548017e-07 1.7288548e-05 2.1205192e-07 1.0777089e-05 8.4643748e-10
 7.9387820e-07 9.5196391e-08 1.5031334e-08 2.3209592e-09 3.7876948e-08
 2.4155122e-08 1.9681951e-07 2.9026438e-07 5.0236289e-05 2.9850817e-08
 1.1017803e-07 2.8790472e-09 4.9700235e-09 3.9023579e-08 6.2895325e-09
 6.3287020e-09 2.5702548e-08 1.5249618e-08 3.6374161e-09 6.6257849e-07
 2.3140382e-08 4.1819673e-11 6.2072736e-10 4.0131254e-06 3.2211898e-09
 7.2828472e-09 6.0798029e-09 3.1543962e-08 2.3040077e-06 2.4214568e-09
 1.9632523e-10 4.9205610e-05 1.4828039e-07 8.4526619e-08 6.2027612e-11
 7.4915015e-06 1.2510818e-06 1.4380515e-06 5.7334369e-06 2.9452256e-09
 7.5662747e-08 1.9451436e-06 1.1516573e-06 3.8846295e-09 1.7262229e-08
 7.3016416e-08 2.3306033e-09 1.8644656e-06 4.3201717e-06 1.7586521e-08
 5.7994988e-08 4.4722534e-10 7.0565562e-09 4.2488705e-03 1.3458640e-08
 1.6827331e-04 1.5057699e-05 1.5227437e-03 2.3642908e-05 1.3485410e-07
 1.7734939e-03 2.4348305e-01 1.7373900e-07 1.7949262e-08 1.9626323e-05
 8.1263781e-05 1.5093475e-08 6.0740668e-01 1.2192194e-06 1.3628668e-08
 8.9815212e-03 2.9594041e-04 2.4301705e-06 1.3591977e-02 2.0648453e-07
 7.1876102e-06 5.2074899e-08 1.1821348e-01 6.5909178e-10 7.8048601e-10
 9.7905897e-08]


0.6074067


82


[8.37190214e-07 9.94933665e-01 4.41119974e-10 1.73654982e-07
 1.24537264e-15 1.51384309e-12 4.20887934e-12 4.56554955e-03
 7.14922233e-10 1.71234618e-08 5.04388024e-11 1.05958293e-06
 2.64113420e-04 3.87126642e-09 5.31990096e-09 5.09600717e-09
 5.05639931e-12 8.99271282e-12 3.13411103e-11 2.65924381e-13
 4.54457964e-11 1.23245516e-13 6.11534545e-10 1.38149336e-09
 1.70027992e-10 1.10435195e-07 4.44717418e-09 2.49428256e-12
 5.46059198e-08 1.09025144e-08 2.32325367e-10 1.73415304e-09
 2.53406370e-07 2.04070476e-11 2.08328022e-08 1.17186469e-11
 4.88140550e-09 1.32316293e-12 2.62160404e-09 3.15456203e-11
 1.49288759e-09 3.11465120e-09 6.35600628e-10 5.08339930e-08
 6.24534116e-13 2.32006214e-09 1.09825656e-10 6.89874768e-10
 2.33494842e-12 8.37229175e-11 4.22286706e-10 1.48756441e-12
 2.96536073e-10 4.79878082e-10 3.24676073e-08 1.64322911e-09
 1.57666513e-09 1.15734151e-08 6.93574691e-07 2.71647753e-08
 1.98722228e-06 7.85297452e-05 5.30820171e-06 6.83652888e-06
 1.65927602e-07 5.24673460e-08 8.02650391e-10 1.00540209e-09
 7.77163056e-11 1.08857520e-07 1.36323251e-07 2.43734775e-07
 7.10006702e-07 5.23228394e-08 7.03395120e-11 3.81314044e-06
 8.57156410e-05 4.38037387e-05 1.23313679e-10 2.11895485e-06
 2.82412405e-08 1.13047193e-07 3.08885910e-06 7.93212322e-08
 3.74577837e-07 1.04286351e-13]


0.99493366


1


[3.22566189e-06 7.90437184e-07 5.02284877e-07 1.25056453e-04
 9.08513886e-09 1.94921879e-09 1.50110013e-09 7.05353432e-06
 2.48523174e-05 2.14850104e-07 1.34052405e-08 4.98707671e-08
 3.71408642e-05 1.35760820e-06 8.39209313e-10 3.04804047e-07
 1.70508174e-05 1.04385776e-06 5.73910825e-07 4.64062673e-08
 2.85877704e-05 6.96107572e-09 4.14545138e-06 3.93614346e-06
 7.63312755e-08 1.23095435e-06 4.77357935e-06 6.37990752e-06
 3.59319826e-03 4.13415860e-03 2.54777104e-01 4.62029457e-01
 1.29867950e-02 3.23189422e-02 6.08078800e-02 1.97622707e-04
 1.04572368e-03 6.15049200e-03 5.28529007e-03 6.89734146e-02
 2.06489842e-02 9.01815016e-04 1.46833074e-03 6.69869781e-03
 1.44522710e-04 1.50633755e-03 7.07112998e-03 6.01152657e-03
 3.53217947e-05 4.40862914e-06 4.13109846e-02 6.82306522e-09
 1.97429152e-04 4.00610361e-07 2.69569136e-06 2.15989147e-08
 3.30082139e-06 5.84156533e-06 6.96427423e-06 3.33980029e-06
 9.12468313e-05 2.97525876e-05 5.28324608e-06 3.43186111e-05
 8.79423533e-06 2.61501964e-06 1.32354580e-05 1.12913376e-08
 1.10706947e-06 6.24773051e-08 4.21391405e-06 1.94221688e-08
 1.46511622e-04 4.43232511e-06 5.01877423e-07 4.00528415e-06
 1.15454377e-05 9.74451657e-04 5.41606198e-07 1.46497568e-05
 1.94285731e-05 7.78206356e-07 2.68296873e-07 3.28735064e-06
 3.77172910e-05 6.64093079e-07]


0.46202946


31


[2.09169301e-07 1.16021894e-07 3.62784780e-09 4.43360513e-08
 1.01254442e-10 6.69897915e-09 9.61816227e-09 1.58001986e-10
 8.65955745e-12 7.22027993e-11 1.60277647e-09 1.77382500e-08
 7.43726103e-09 1.49749451e-06 2.83356414e-08 4.88814722e-09
 8.90307758e-11 1.35679494e-08 3.29808736e-09 7.46262163e-10
 4.42789849e-09 3.15927458e-11 9.00934367e-08 1.82894844e-09
 2.69809163e-07 1.68253536e-10 1.36351141e-12 2.62616012e-10
 4.98692820e-08 1.28485156e-09 6.31239416e-08 6.14132833e-09
 1.08646434e-08 9.54785264e-06 2.25800934e-10 9.84485063e-11
 4.13224939e-07 2.67453515e-07 1.92739669e-09 2.94729213e-10
 4.40172300e-07 2.08276812e-10 2.41907596e-08 1.67672079e-06
 1.29955083e-07 3.55709666e-08 2.41259187e-07 8.57794362e-07
 7.39298844e-10 1.21719490e-09 1.24412438e-07 2.69038541e-11
 1.14058984e-07 3.31485478e-10 2.14024021e-09 1.94186819e-10
 6.77372464e-11 2.38281550e-09 1.21867143e-01 9.75532632e-09
 4.47208731e-06 1.02832493e-10 4.42898658e-04 1.95987218e-06
 1.60245164e-10 1.12386835e-04 8.58962774e-01 3.74827114e-10
 2.48442628e-10 1.63118239e-05 2.41515522e-06 3.06502757e-09
 1.74289253e-02 4.91080016e-07 6.31163530e-08 1.15167932e-04
 2.33561490e-08 8.01640088e-10 6.98506541e-04 2.37179840e-08
 9.19083686e-05 1.13452869e-09 2.38162189e-04 2.06606225e-11
 8.34027070e-10 2.64830269e-10]


0.8589628


66


[6.02919636e-06 3.85444328e-05 2.22503650e-06 3.66897234e-06
 4.40473158e-10 1.05812048e-09 1.24983146e-07 6.49704889e-05
 2.04519324e-06 1.32951334e-06 4.91921135e-08 2.32658476e-06
 5.49985161e-05 1.37849133e-06 1.01591972e-07 1.31999013e-06
 1.61747607e-07 1.17517835e-08 2.44188403e-08 1.61586247e-08
 6.80136509e-07 1.97375591e-08 2.85626328e-07 3.55971878e-07
 1.04658375e-06 7.97193138e-08 1.27625782e-07 1.66715324e-07
 1.24865082e-05 2.97164775e-07 1.33800902e-04 7.65235382e-06
 2.00449199e-06 1.50998244e-06 6.56266930e-04 1.43352779e-07
 7.76469242e-05 2.76508729e-07 2.41480052e-06 8.50415518e-07
 7.74688147e-07 4.85204112e-07 1.54307545e-05 1.49333810e-05
 6.04434354e-06 7.59583008e-06 1.83860211e-05 5.51546464e-06
 7.76674014e-08 2.08893198e-07 1.71674110e-05 1.92923686e-08
 3.82445108e-07 3.24130451e-06 1.19653176e-08 3.01099057e-08
 7.72165194e-08 6.49790934e-07 7.02188071e-03 9.20472230e-05
 6.43321022e-04 8.26093310e-05 1.92883977e-04 1.94692612e-03
 1.67891243e-03 2.14513057e-05 2.38741301e-02 3.69751760e-05
 3.37531464e-03 3.99421245e-01 7.95667351e-04 3.22063384e-03
 1.92763633e-03 2.41273455e-03 5.83608971e-06 4.50705767e-01
 3.90694588e-02 2.79797111e-02 9.36916971e-04 1.50784049e-02
 1.56603977e-02 1.08689186e-03 1.50141492e-03 6.22423031e-05
 7.48915738e-08 2.07157385e-08]


0.45070577


69


[5.9098998e-06 3.7423171e-05 2.2419343e-08 1.7231763e-07 1.9868372e-13
 1.6053766e-08 1.5486468e-09 5.2441034e-09 1.9591588e-10 9.5363162e-10
 6.0290106e-09 3.7128204e-06 9.6701774e-07 1.0532259e-07 9.6201740e-09
 6.2369859e-10 1.1282967e-11 7.5450872e-09 4.8831567e-10 8.1671135e-11
 1.0576612e-10 2.3917920e-10 7.9031874e-09 1.6221076e-09 7.6440658e-09
 2.4040370e-09 2.1921678e-09 5.8087440e-10 1.4606307e-08 2.9958465e-09
 3.8518994e-08 5.4850674e-10 2.6330711e-09 5.2565585e-10 5.3693032e-09
 1.1816782e-11 4.4244337e-09 4.1377391e-11 2.0753641e-09 7.1490208e-10
 2.4269774e-08 2.0254699e-11 7.4747284e-09 7.4044050e-07 5.0466664e-10
 4.4137547e-09 3.1651530e-07 5.4562506e-09 8.2959327e-11 1.1402879e-09
 2.3134659e-09 8.2365200e-12 4.2594856e-08 2.2135582e-09 8.4562846e-10
 1.2877827e-09 1.5194024e-10 5.9319634e-09 1.0314001e-01 2.4415460e-05
 2.7306219e-06 1.0449256e-08 3.8875404e-01 4.5140146e-04 1.6343819e-08
 1.9543360e-07 1.5429355e-02 8.3545459e-10 2.6512564e-07 3.5587597e-01
 3.5206895e-04 6.2645631e-06 1.3519320e-01 4.0284282e-05 3.1827943e-07
 2.6999551e-04 7.1000682e-06 6.7056538e-07 6.0129996e-06 6.9065532e-06
 1.2697657e-05 3.5884445e-06 3.7284222e-04 5.6195624e-08 4.2576989e-08
 3.7632007e-12]


0.38875404


58


[1.09697376e-05 2.62682056e-06 5.03787545e-09 2.79169683e-07
 1.76470329e-13 2.67049295e-12 1.96839406e-10 1.27759142e-06
 1.82655455e-07 4.90172351e-06 2.84799362e-09 1.91848940e-05
 7.11307875e-05 9.42898737e-09 1.86434661e-07 5.42522152e-08
 2.15462741e-08 2.51853550e-07 8.90140726e-08 9.29230026e-09
 5.98427974e-09 2.79890369e-08 3.70509099e-07 5.47491013e-08
 2.25783503e-09 1.61201015e-07 7.54403663e-06 7.22154170e-10
 2.84192038e-06 4.33498769e-07 5.12539842e-08 1.03320666e-07
 2.04736228e-08 8.49364312e-08 4.45491642e-05 7.00214215e-08
 1.13363672e-06 5.29138244e-09 8.04927367e-07 2.66209838e-07
 1.26469018e-07 1.54192943e-08 1.22796777e-07 2.58470472e-08
 2.24075283e-08 1.31090170e-08 1.00915270e-06 3.59862398e-08
 3.18019318e-08 1.03438325e-08 5.17662464e-08 8.51223259e-11
 9.97119809e-09 2.50691183e-08 2.22282237e-09 5.87414632e-08
 1.92513144e-05 9.11956988e-07 1.45926822e-06 1.58235616e-05
 5.94069064e-01 2.18764530e-03 5.45319454e-05 5.76339953e-04
 2.44182628e-03 4.91300966e-07 4.98505069e-05 8.01050135e-07
 1.62857980e-01 6.85996492e-05 4.08388954e-03 2.26086736e-01
 2.58730552e-07 1.52246503e-04 2.22383169e-05 2.84272566e-04
 9.22458363e-04 3.45925870e-03 5.53590041e-07 5.79138068e-05
 2.61119276e-04 1.89599377e-05 2.10284488e-03 3.12188058e-05
 1.95173072e-07 3.73893361e-10]


0.59406906


68


[3.08243267e-04 2.15878099e-05 9.67964464e-09 6.85371515e-06
 7.50784226e-11 8.16065202e-11 9.88930804e-09 2.38119392e-03
 2.75220896e-06 2.30337391e-04 3.85018240e-07 2.60877696e-05
 1.02359627e-03 1.85159905e-07 1.81932478e-08 1.55938942e-08
 3.69524884e-07 1.57429386e-05 3.64955838e-07 4.70128860e-08
 2.58759592e-09 9.19177339e-08 4.49378194e-06 1.18429193e-06
 4.97903045e-07 3.61087564e-06 1.57472576e-04 3.38953110e-09
 4.87721700e-05 4.65847770e-05 1.88985803e-06 1.13610241e-07
 5.52437086e-07 2.76873777e-07 1.49076412e-04 2.61983235e-08
 3.71732744e-06 4.43851000e-08 4.77657613e-06 1.34565028e-06
 6.02692523e-07 4.07425432e-07 2.40781742e-06 2.32978849e-07
 4.54326132e-09 3.10636523e-07 6.43342105e-07 9.40878522e-07
 2.20899707e-07 6.74866101e-08 4.73003723e-07 1.09436626e-09
 7.71097675e-08 1.99116826e-07 1.37547806e-06 7.11229745e-07
 2.00066006e-06 3.34396173e-05 2.74853228e-04 2.67740998e-05
 7.93499351e-02 4.68265498e-04 7.12381899e-01 6.07688096e-04
 1.21725023e-01 8.14371306e-05 1.00702755e-02 1.23380923e-08
 4.09718007e-02 1.16589574e-04 1.24183252e-05 8.16077809e-04
 4.15391114e-05 1.10099927e-05 4.22518269e-06 1.16715512e-06
 2.11733039e-02 6.76203659e-03 4.68823069e-09 2.02543652e-06
 3.43969914e-05 2.34923505e-07 1.72608547e-04 4.05483355e-04
 2.47281901e-06 1.18982877e-08]


0.7123819


62


[6.4561450e-01 9.9455245e-02 1.2781790e-04 1.6109673e-06 3.4770120e-10
 1.4326565e-07 8.2448203e-08 6.3275896e-02 9.9919163e-08 3.1810091e-03
 4.4895277e-08 7.7008442e-03 9.7289868e-04 8.0633454e-06 1.7136519e-05
 1.1542643e-05 4.2196797e-07 1.8878587e-06 3.3287795e-06 4.7882952e-07
 9.4227664e-07 4.6023983e-06 8.6982154e-06 3.3287035e-06 1.3288238e-05
 6.2890408e-06 6.5161224e-08 1.4662374e-06 1.9545050e-06 6.4510077e-06
 2.1937160e-05 9.9566489e-07 2.3798189e-07 1.1663805e-06 3.7980180e-07
 1.2443783e-08 1.9804601e-04 8.1582293e-06 3.2741696e-06 1.5103899e-07
 2.2998958e-05 5.0122626e-08 1.2737845e-06 9.1845186e-06 8.0441893e-08
 1.5720203e-06 4.8812767e-06 6.5777408e-06 4.7173432e-07 1.5041815e-07
 1.7705328e-05 8.6962487e-08 4.7733524e-06 4.1942371e-06 1.1479642e-05
 3.4534284e-07 4.0492046e-07 2.4196033e-06 1.0523833e-04 4.6727338e-05
 4.6505272e-07 1.0681351e-05 2.8514640e-05 5.9629794e-05 9.6755662e-07
 4.0588511e-05 7.3765912e-03 7.7158539e-08 1.6042139e-06 1.9807993e-02
 1.7363209e-03 1.4239472e-05 1.5207577e-03 5.5576707e-03 2.7309322e-06
 1.3842946e-02 1.2675796e-01 4.1496634e-05 2.5816265e-05 7.2774384e-04
 8.7676326e-06 3.6358902e-06 1.3673302e-03 2.4797822e-05 1.4549257e-04
 3.4811656e-10]


0.6456145


0


[4.0179816e-06 1.3053939e-09 1.2403116e-10 3.1590008e-09 1.2124754e-12
 9.9988878e-01 1.3233842e-12 1.3245940e-12 1.6647422e-10 7.3068551e-11
 6.3510638e-12 1.7717405e-10 1.1389838e-10 2.3584365e-08 1.1954289e-10
 2.3759164e-10 3.5615587e-11 3.3064709e-09 1.5028759e-11 4.6403890e-09
 2.4803486e-11 1.0300608e-09 3.7920191e-11 1.6703591e-10 4.4276430e-10
 4.0368760e-11 2.3203480e-13 1.5384255e-10 1.7455685e-08 7.8065426e-10
 7.1545985e-12 8.3920596e-12 4.0923921e-11 2.7844271e-10 2.0922185e-12
 4.6749822e-09 1.9825888e-08 3.7725805e-09 2.9448495e-09 7.0840556e-12
 6.0229677e-06 4.7545479e-09 1.3801417e-07 6.5452645e-07 1.4624228e-10
 1.4640436e-11 4.6984167e-07 1.4901080e-06 4.3939387e-11 4.2929252e-10
 3.9711776e-10 3.5958722e-11 1.1363539e-06 2.5820646e-10 8.9141569e-11
 4.9320097e-11 2.9862058e-14 1.5826773e-10 2.7616828e-05 9.9288666e-10
 1.6907268e-09 3.0969283e-11 3.3745662e-06 5.8175576e-08 7.2834648e-11
 6.3928290e-10 2.9235759e-06 3.1016910e-12 2.2672112e-13 6.3829114e-10
 2.1948052e-09 2.5927121e-12 6.2583189e-05 1.6777710e-09 2.9746094e-10
 2.7714459e-10 1.5789318e-11 3.7002104e-10 5.5562293e-07 2.3325709e-11
 2.9083878e-09 9.8555795e-11 2.2333275e-08 1.0947606e-11 2.8574473e-10
 6.4308780e-13]


0.9998888


5


[1.01546993e-06 9.99971747e-01 1.34680692e-13 2.12987115e-12
 8.29622185e-17 4.92379755e-08 7.74522184e-14 1.48036014e-10
 1.42868547e-11 1.69692732e-10 9.30932848e-14 3.12592285e-10
 6.72809186e-09 1.56631721e-11 7.34492397e-11 1.34377915e-13
 1.16996045e-14 1.94157814e-13 1.66944654e-14 1.25921686e-15
 2.03087821e-14 6.34092623e-16 9.94619968e-14 2.06861459e-12
 1.46324868e-12 1.39625044e-07 3.97563914e-17 6.07041578e-15
 1.92648900e-11 3.36070581e-11 5.32444640e-14 1.73291188e-15
 4.49745824e-10 1.69923313e-14 1.08558739e-15 9.82031026e-15
 8.84764137e-12 4.63650623e-14 8.26856552e-12 3.35716109e-16
 1.53731894e-09 1.55468982e-09 4.30539909e-11 1.91994709e-09
 1.31187694e-17 2.60974934e-14 2.84541297e-11 1.89062620e-11
 6.48889495e-16 1.93605982e-14 2.74012410e-12 1.21579233e-13
 6.74023615e-11 3.58949093e-10 4.72808903e-10 1.08190401e-11
 1.13111572e-17 2.21010107e-14 4.39732606e-09 1.32635721e-12
 1.54421398e-12 8.43090463e-13 8.37559782e-08 1.12152501e-11
 3.70257514e-12 3.58235219e-09 6.10028070e-11 1.25973478e-13
 2.92631566e-15 1.52734081e-09 1.09723463e-11 3.48601321e-11
 2.69052471e-05 1.67062753e-11 5.08482078e-14 1.73935195e-08
 4.30880817e-11 5.94638162e-13 7.41343618e-12 1.07905892e-13
 7.45674529e-12 1.05353304e-11 3.21108036e-11 4.36555523e-12
 3.80542353e-09 3.50524981e-18]


0.99997175


1


[2.39021830e-10 2.85023405e-09 8.09503940e-12 3.33793513e-13
 1.22315801e-14 2.19551405e-10 7.60156166e-14 9.36387745e-10
 3.57441965e-10 1.85609635e-11 1.91850469e-13 9.77027053e-13
 9.69036962e-10 7.75337919e-11 7.42075740e-14 5.26241377e-11
 2.52213006e-09 1.27515403e-08 2.06869979e-10 2.42678794e-11
 1.63042184e-11 2.73349759e-10 1.03886084e-11 9.23829457e-10
 5.47797606e-11 2.46961522e-12 5.08398696e-14 1.43196566e-10
 8.60226450e-08 1.60094804e-09 1.49468893e-09 9.24270105e-10
 6.77243417e-09 3.80030660e-11 2.06792552e-11 6.62612099e-09
 8.86358791e-08 2.67229072e-10 3.75188769e-10 5.09640081e-08
 2.54876426e-07 9.99977589e-01 1.39889039e-06 1.80214919e-08
 3.93970273e-12 6.35887387e-09 7.21050526e-07 9.35169595e-08
 9.42590450e-12 1.23105207e-11 3.74414917e-08 8.51708027e-14
 7.24700022e-11 3.09775400e-10 2.51989532e-12 2.15634368e-11
 1.00959435e-15 8.26809281e-12 9.96514815e-11 1.10339845e-11
 2.36244704e-11 7.13873882e-12 4.60512947e-11 3.84255692e-12
 8.97599182e-12 5.51812394e-13 7.94212057e-11 1.32785491e-10
 1.07427331e-11 8.88736906e-09 3.32795957e-10 3.36304407e-09
 1.96057081e-05 8.41369335e-11 5.41198163e-13 6.64289679e-10
 6.74915124e-11 8.52792859e-09 2.62775750e-13 5.13169108e-12
 7.13639148e-10 4.58680427e-09 1.85340675e-12 1.31374980e-10
 1.73113485e-11 1.20417294e-12]


0.9999776


41


[6.09490680e-10 2.39434167e-10 8.37704038e-13 1.94780878e-13
 3.18482525e-15 2.41845183e-10 1.27922846e-12 1.18715666e-13
 1.26141523e-12 7.06943672e-13 6.01640116e-14 6.81446815e-15
 4.07905003e-12 3.58608276e-09 2.36276622e-14 2.18740976e-12
 1.85422576e-12 7.33784073e-13 1.50623234e-13 5.13936123e-14
 1.22294719e-14 9.20525524e-14 4.19554663e-13 2.50457803e-13
 5.03875110e-12 5.56608958e-13 5.03475846e-18 9.33875085e-15
 2.81922818e-10 2.10892515e-13 3.10064935e-13 5.88406971e-12
 1.64844578e-13 1.96058108e-14 4.59946143e-16 4.22479062e-14
 1.85500681e-09 1.70364970e-13 1.11183979e-11 1.00718223e-14
 1.75153159e-09 3.48777895e-08 1.23503832e-10 3.59787145e-10
 2.21147944e-17 9.64539646e-12 2.46575069e-11 2.18731699e-09
 8.98126313e-15 1.45633343e-13 3.65483821e-13 5.57185388e-14
 9.02153298e-13 3.67795600e-10 7.57560789e-13 9.95825276e-13
 9.09974051e-19 1.75902825e-12 1.59234688e-07 1.51109125e-11
 3.48494584e-12 2.65000102e-14 6.27686791e-09 1.87698572e-11
 1.43414165e-12 1.35210332e-09 1.01796260e-07 1.20686038e-15
 4.71222004e-15 8.74368755e-09 1.06376824e-10 8.47882691e-13
 9.99999762e-01 5.29828438e-11 3.11784019e-14 7.06472658e-11
 1.68680639e-10 1.68143099e-08 1.84883393e-11 5.84897045e-15
 1.76743772e-10 3.06529932e-12 1.88795837e-11 1.09874170e-15
 1.02799036e-13 3.62204082e-13]


0.99999976


72


[1.71108613e-11 1.36482715e-14 5.58976151e-13 5.81082982e-15
 1.88141717e-17 1.08406241e-14 4.33523626e-14 4.63688254e-11
 4.82626890e-11 8.18844124e-12 4.64892551e-15 2.08830993e-14
 2.58579378e-12 5.80201252e-12 1.65968262e-14 1.19157019e-11
 7.52498203e-11 2.07831547e-11 8.62310397e-12 3.92142807e-13
 8.27576668e-13 7.11428095e-12 4.80577253e-12 1.02448969e-11
 3.14595676e-11 6.65712263e-14 2.97615783e-15 1.60441864e-14
 6.25109062e-11 3.09750641e-12 6.20474483e-13 3.72621128e-10
 9.74875833e-14 5.80522772e-14 3.82620151e-12 1.09754376e-11
 1.95236609e-08 2.27610400e-12 4.33026809e-11 2.09336593e-11
 4.83842855e-10 5.08990494e-09 2.71190639e-11 6.85250190e-11
 1.31738704e-14 1.89416226e-11 1.12862948e-11 8.67381944e-10
 1.05760229e-13 4.82037641e-13 1.31567088e-12 1.04132824e-14
 6.76375053e-14 5.20870022e-13 3.10301309e-15 8.29241274e-15
 4.99913128e-15 6.34113179e-11 2.28525004e-10 4.90251728e-10
 2.92363378e-09 5.52000945e-11 4.01449316e-12 1.25629271e-10
 1.05790200e-07 3.59038424e-11 7.91765142e-09 9.34542089e-14
 1.49250994e-11 3.73516462e-09 1.42472745e-08 1.41939026e-07
 1.15587193e-08 2.35238669e-11 5.05146272e-12 8.91259566e-11
 7.77213682e-10 9.99999762e-01 1.52890946e-11 1.11425666e-13
 2.93299056e-08 1.57845431e-10 6.25069397e-12 1.24607925e-13
 1.01112864e-13 3.80001694e-13]


0.99999976


77


[6.09369721e-10 7.90866775e-13 1.39853266e-12 6.00123309e-15
 9.26037563e-17 8.73393671e-16 4.50012045e-15 1.11491016e-11
 3.95307485e-12 2.21488401e-11 3.86602100e-15 5.60474844e-13
 1.57976998e-14 1.20607335e-11 1.65782813e-14 2.50500506e-11
 6.90609070e-10 6.08507550e-11 5.56612265e-12 4.16512137e-12
 4.56156814e-13 2.23424473e-11 2.81354280e-11 2.64665043e-11
 4.68770467e-10 3.13052027e-14 4.39287902e-13 7.10644380e-15
 2.34405217e-10 1.84515334e-10 3.52107124e-12 6.62267047e-11
 8.15357811e-15 1.17480873e-12 1.61559918e-10 1.70161472e-11
 3.17067723e-08 1.27264336e-11 1.23796641e-11 4.71983910e-11
 6.10141937e-10 1.15506826e-10 1.98745517e-11 7.56576225e-12
 4.56675188e-15 6.39045511e-13 7.66189803e-12 7.91087196e-09
 4.30246035e-13 1.45241363e-13 6.25274030e-13 3.45577563e-15
 6.55872654e-14 1.31007441e-15 6.31961329e-15 1.90738969e-16
 8.36641208e-15 5.83003812e-10 5.42737688e-10 1.28964381e-10
 2.48130128e-10 1.04672458e-10 1.06393241e-10 6.76664584e-12
 3.48723120e-07 9.70771818e-09 5.52785551e-08 3.00216534e-16
 6.38174930e-12 1.67351327e-10 1.36143283e-08 3.28027094e-09
 6.34931752e-09 9.41319869e-11 5.64170889e-13 6.17534507e-13
 2.37638208e-11 9.99999523e-01 8.24877406e-12 5.55516860e-15
 1.53338980e-10 3.62437592e-13 1.26734268e-12 2.11544086e-15
 2.10384925e-14 1.64623886e-14]


0.9999995


77


[2.1272597e-12 4.4443290e-14 1.0871637e-15 2.2119449e-16 8.6328272e-20
 2.3355714e-12 1.4874264e-14 1.4380550e-17 1.0629518e-16 7.0559860e-15
 1.8465494e-16 3.7253244e-17 5.6535299e-16 2.2297680e-10 9.1465198e-18
 7.7200387e-15 3.2626740e-14 1.1785081e-15 2.7737642e-17 1.0399464e-15
 6.7868367e-16 1.1426376e-14 1.3908028e-12 5.3560244e-16 5.7722208e-12
 7.5370626e-15 2.1095798e-18 6.8059931e-17 2.5366862e-15 3.8209942e-16
 1.7448134e-16 1.9549911e-18 1.1202356e-18 3.5953829e-17 1.1550029e-17
 6.4420641e-17 4.9410537e-10 1.5354564e-14 1.9193470e-15 4.3507930e-18
 3.1333037e-11 6.1620424e-16 2.8897695e-14 6.2256336e-13 5.6774914e-18
 1.4314217e-17 1.4968355e-14 9.1118103e-12 2.4775536e-16 3.7879648e-15
 1.0716244e-15 6.2029171e-15 3.5385127e-14 2.0040588e-16 1.2934778e-17
 3.8849096e-18 1.0078563e-19 1.2274792e-13 4.2761439e-09 8.2429804e-14
 7.7182835e-12 1.4980535e-16 1.6072153e-10 9.0635439e-14 1.1343026e-12
 3.1917922e-09 9.9999988e-01 2.4327857e-17 5.4518941e-18 6.8657523e-12
 2.8920855e-10 1.3688867e-10 1.5752359e-07 8.7975368e-13 3.1856991e-16
 2.1442631e-12 1.7245451e-12 2.0533593e-10 1.8053949e-09 1.6713260e-17
 2.5463304e-13 2.9238554e-14 3.0214327e-09 3.3074964e-19 1.8272360e-18
 8.7833849e-17]


0.9999999


66


[5.43174707e-11 4.19420783e-11 1.61053706e-16 1.83874389e-16
 9.56932151e-22 6.75467228e-15 2.78958477e-14 1.39476579e-13
 5.29937726e-11 5.41959533e-12 7.40165172e-15 4.08357548e-15
 7.49163698e-13 1.12704160e-12 2.24398391e-14 4.00131046e-14
 8.83212943e-15 4.84065370e-14 1.86006344e-16 6.45551232e-16
 2.54566774e-15 1.57609506e-15 7.70493966e-13 4.15188954e-14
 2.15291023e-12 2.97767908e-12 1.99889967e-14 1.73199828e-16
 2.19668771e-12 5.29027980e-14 2.81748688e-14 4.07218607e-16
 2.89345661e-16 7.70045262e-18 2.15942630e-14 3.57770522e-14
 2.77193234e-11 1.86127105e-15 2.82647441e-15 5.87017617e-14
 1.81525389e-12 2.23042960e-12 2.15095428e-14 1.40005042e-14
 3.96432223e-18 1.61503358e-17 5.67794848e-14 1.29611200e-11
 5.71599538e-16 1.19938679e-15 1.09276712e-14 7.44011639e-17
 2.00566126e-16 6.44149075e-16 2.37831588e-14 5.15199150e-15
 5.67766354e-15 1.15327463e-10 1.56429403e-09 5.24996269e-10
 2.66694062e-08 1.01390261e-12 1.02894215e-09 3.91617641e-12
 1.75382968e-06 1.34460802e-11 1.61911231e-08 2.65028986e-14
 3.06692673e-15 1.10849704e-10 2.70074474e-09 9.99998093e-01
 9.45978851e-10 2.82794656e-11 3.44458552e-14 1.10835385e-09
 3.21899729e-10 1.42992214e-08 1.45475854e-11 7.61392089e-14
 4.68683703e-11 6.21325356e-08 8.81454909e-10 1.59802371e-14
 5.48427948e-14 2.81768653e-17]


0.9999981


71


[7.3227929e-10 2.7580327e-09 4.4229167e-14 3.0527166e-14 3.9163048e-18
 2.7059677e-16 1.1068866e-14 8.6564472e-10 1.7152548e-08 1.2997588e-10
 2.1726314e-16 8.6631279e-16 3.5780831e-12 7.2249559e-14 2.0136030e-12
 1.2063535e-12 5.9772569e-11 7.1910186e-12 4.9427986e-13 1.3645629e-12
 2.0432384e-12 2.1632730e-13 1.6613302e-13 2.1698128e-11 2.6446930e-11
 2.7616446e-12 2.8540545e-10 6.6635972e-15 9.9698267e-09 1.2603966e-10
 1.0268969e-09 7.2919348e-10 2.3803836e-11 8.5066021e-14 2.4513579e-08
 3.3657459e-11 4.4891309e-11 2.8465508e-11 9.5682897e-12 2.2394854e-10
 2.4121954e-10 2.1172923e-09 9.6767722e-13 9.1419670e-14 2.0147438e-16
 2.4866442e-15 5.1159914e-12 4.0288295e-08 7.9217730e-13 6.8686473e-15
 2.4820765e-11 5.7105307e-17 6.3974779e-14 6.9078024e-14 2.4404376e-11
 1.2621135e-15 1.9070794e-10 5.6130167e-10 2.9250444e-09 5.0623450e-11
 3.2650483e-08 6.3624230e-09 1.5433789e-09 2.5107645e-11 9.9999964e-01
 4.4814382e-08 1.3439191e-13 9.8817633e-15 7.4628437e-12 1.5746267e-13
 7.3593763e-11 1.3394731e-07 8.1960957e-12 1.8830439e-09 7.2677324e-14
 5.3961013e-14 1.5506117e-08 1.0291195e-07 1.0596825e-12 4.8861657e-12
 1.7960530e-12 2.5608347e-09 2.5501839e-13 1.0489102e-12 1.9709679e-13
 1.8084173e-16]


0.99999964


64


[1.24103761e-09 5.76946768e-10 3.32022712e-12 9.75490373e-14
 3.58810102e-14 5.50871198e-13 1.79130009e-11 6.08570529e-12
 2.45633132e-11 1.83262901e-11 6.76796509e-13 1.69401526e-12
 2.37845903e-13 2.57449423e-10 5.85024737e-11 6.77525980e-10
 5.07650277e-08 5.53281598e-09 1.53177193e-10 4.89804597e-09
 6.88750945e-10 8.84577911e-10 6.07196862e-11 3.31145278e-10
 1.15153771e-08 2.81849088e-12 1.81829378e-12 1.14217270e-13
 6.18799734e-11 6.15336775e-12 5.28505906e-10 3.37901825e-11
 1.04915249e-13 2.26057346e-12 8.66474725e-10 1.63761504e-11
 1.15291459e-06 3.37913741e-09 2.46711982e-12 9.33154803e-11
 8.16506085e-10 5.44373921e-11 7.80361019e-12 2.02547533e-13
 1.14545324e-14 1.87058688e-14 1.20273661e-11 3.78966320e-07
 8.09691203e-11 1.64986644e-12 2.08375487e-11 1.00763317e-13
 7.42777454e-12 6.48656408e-14 2.42364137e-12 1.78544398e-14
 1.03616692e-12 3.04712748e-11 3.80420119e-07 3.34962266e-11
 4.40079806e-10 7.76175305e-11 1.08892961e-09 3.66765854e-11
 1.18453568e-06 9.99992847e-01 4.76002668e-08 5.65207264e-14
 1.43305645e-09 1.26340693e-09 1.37865334e-06 4.84663598e-09
 1.02260465e-07 2.27109535e-06 1.45132803e-11 6.28702342e-12
 4.15351913e-08 1.63336196e-07 6.04296631e-08 3.01303318e-12
 2.05090545e-11 7.19672599e-10 7.34408812e-10 5.34958091e-14
 1.48292687e-13 4.45655543e-14]


0.99999285


65


[1.1019394e-09 3.4967385e-08 5.1936987e-14 1.8755284e-12 5.4890372e-19
 5.1971668e-14 2.5754845e-14 5.5854692e-16 3.1508962e-13 5.3373677e-14
 8.8316989e-17 1.0841286e-14 1.9535461e-13 5.1136703e-12 1.2999257e-13
 8.7366193e-13 1.2989386e-14 2.8280553e-14 8.4805820e-15 3.5165471e-13
 4.1445880e-13 5.1528263e-15 2.3310286e-11 1.1585139e-12 4.8094597e-12
 1.3104803e-14 2.7322329e-15 7.3670976e-16 7.1283437e-11 9.1788404e-13
 4.3919504e-13 9.4691642e-12 6.4910893e-14 7.4192239e-14 6.8259176e-11
 2.3220114e-15 8.8410002e-10 3.2163774e-13 4.2852917e-15 2.2710086e-16
 4.8046074e-09 1.2442345e-16 1.4388905e-15 3.5044296e-12 1.3965730e-17
 3.0263557e-18 2.0471552e-12 3.1053243e-10 5.9862566e-16 9.8022372e-17
 1.3646451e-14 4.7661464e-16 5.4907424e-12 6.8391833e-15 4.2923777e-14
 1.9870744e-17 7.2184936e-15 3.8270706e-12 9.9999988e-01 4.7034127e-11
 6.3652708e-11 9.5776276e-11 4.4345101e-09 6.5692306e-11 1.5180747e-10
 4.6350596e-08 5.8223948e-10 3.4445484e-16 1.4572393e-17 2.8325213e-13
 3.8533297e-08 1.0807274e-12 3.8909493e-09 5.4794413e-09 1.1618054e-14
 2.4243947e-11 3.8108527e-10 1.7739239e-12 5.1500710e-09 2.2402108e-11
 1.1590621e-12 3.0893881e-12 6.7783681e-11 7.0666156e-18 3.5497732e-15
 3.6879113e-17]


0.9999999


58


[4.07613309e-12 5.73322945e-10 1.11730894e-12 7.73840898e-14
 2.21364831e-17 4.12069924e-15 3.48412597e-13 1.12632702e-13
 4.22066288e-12 1.14103995e-12 7.73719535e-15 9.26889988e-12
 1.64328870e-12 2.47335491e-13 7.53354220e-14 4.02836792e-12
 1.31871883e-11 1.18861399e-12 1.60944879e-13 2.17847832e-12
 4.75124237e-12 1.15390455e-12 1.06163283e-08 1.81569646e-12
 2.67236858e-11 4.92620651e-16 5.66496774e-13 3.51748854e-15
 3.77289047e-13 3.75991859e-12 1.07486622e-12 9.96652240e-12
 4.52609575e-13 7.23947794e-15 5.32135780e-10 5.53146481e-15
 1.18295401e-10 8.41027606e-13 3.72382491e-13 1.03340635e-13
 2.10384288e-09 2.30006054e-14 1.08366117e-14 1.88079922e-14
 3.01544661e-15 2.49167553e-16 2.85515562e-13 1.00832606e-10
 5.43304496e-13 2.16267650e-15 1.55389041e-14 7.55727471e-14
 1.89015145e-12 6.25606822e-17 3.49609474e-17 1.89813449e-17
 3.38075718e-14 6.16606289e-12 7.39327666e-09 2.91304070e-09
 2.01671169e-09 1.95685915e-11 3.66716423e-12 3.02511939e-11
 1.03101827e-09 4.59900340e-09 1.27223954e-09 3.60446644e-13
 1.53764393e-12 6.42551637e-11 9.99999642e-01 1.32094371e-08
 8.89073884e-12 2.64253003e-07 1.90822809e-11 2.18305062e-11
 6.29637631e-09 2.11140744e-10 9.36207556e-08 1.21699439e-11
 2.54262323e-12 1.86172366e-09 2.70427991e-09 1.32728739e-16
 7.98504577e-17 2.30439781e-15]


0.99999964


70


[4.5442124e-07 9.9999249e-01 6.0793488e-11 3.3922230e-11 6.2891544e-20
 3.3045203e-12 7.6817072e-14 6.8200723e-12 7.9787406e-11 2.1980232e-10
 6.3214188e-17 1.2853862e-10 3.8678643e-09 2.2309917e-12 5.7101559e-12
 3.8088877e-12 1.2346758e-14 9.6112642e-15 5.1435798e-14 6.0109231e-13
 2.7534149e-12 6.1494172e-14 1.8695974e-11 1.4310688e-11 2.1048092e-11
 2.7281616e-11 1.0886245e-12 1.0865634e-14 1.8760317e-10 4.2689938e-11
 1.2270683e-12 1.8719606e-10 2.5386650e-12 2.9779093e-14 4.3241641e-10
 9.1901434e-16 1.2953097e-10 1.1237981e-12 3.4143478e-13 2.7086555e-15
 2.6726556e-07 6.3638845e-16 1.4989520e-15 3.5885485e-12 3.9902903e-18
 2.4413111e-17 1.7957388e-12 3.4776845e-11 2.6043436e-14 9.0429714e-16
 6.3611204e-15 1.3378917e-13 1.3361283e-11 1.5359650e-12 1.6551082e-11
 5.4709672e-15 1.7142120e-12 2.9079749e-12 3.0326039e-06 3.3565208e-08
 2.6692132e-10 3.9518072e-10 4.8134803e-12 3.5745736e-11 4.7635629e-10
 4.9503751e-10 6.7133894e-12 1.1155686e-14 6.9772386e-16 1.6550221e-12
 3.6105016e-06 1.2818796e-11 4.6156074e-12 3.9334324e-08 4.3252501e-15
 7.8556666e-12 7.5897848e-09 7.5838840e-12 1.2967089e-10 4.0686046e-10
 5.6328462e-15 3.4666560e-12 5.0684362e-10 4.7688389e-16 1.3869389e-11
 9.6666560e-19]


0.9999925


1


[2.5928655e-08 4.8235503e-08 3.1619013e-12 1.9538005e-11 3.9417178e-17
 5.3519381e-12 8.6224986e-14 1.3464120e-14 4.7682769e-10 3.6907952e-13
 3.2136757e-18 9.0323672e-15 2.1712238e-11 2.5125471e-14 6.4179720e-14
 3.2784032e-11 2.0792396e-10 6.8150550e-14 3.5377707e-13 5.8042265e-11
 1.0772376e-10 1.4894315e-12 2.0003509e-11 5.3462169e-11 2.8394976e-13
 3.5412323e-14 9.6863672e-14 5.7095561e-11 6.9370422e-08 1.6458850e-09
 6.0823629e-10 1.3801332e-06 5.5035549e-11 4.0113093e-11 5.1818211e-07
 1.8431025e-10 1.8009274e-08 4.4018222e-08 1.1465254e-10 9.0496521e-10
 9.9999750e-01 4.9658017e-11 8.4560116e-11 3.1967013e-09 7.3168095e-12
 2.4891704e-13 3.3570671e-09 1.5846302e-08 1.6896280e-12 5.8379397e-13
 5.8476834e-12 9.7274138e-14 4.0773123e-09 3.0616389e-13 9.5769699e-14
 1.9666946e-16 8.3336224e-14 1.3898846e-12 7.5535780e-08 1.3501166e-08
 8.5654366e-11 6.1003917e-11 1.6650318e-13 1.0748454e-12 3.5682923e-10
 1.4872088e-12 7.8886306e-13 4.7415517e-13 2.7775614e-15 2.2448270e-13
 3.4282603e-08 2.3102156e-11 7.0110356e-13 1.4060517e-07 1.0819789e-12
 1.3826669e-11 9.5565511e-10 8.0815209e-11 7.5195821e-08 2.0337112e-09
 5.4944769e-13 1.9547087e-12 8.6181881e-11 5.2647168e-15 2.0703720e-13
 1.7777309e-15]


0.9999975


40


[2.14612425e-11 4.58003156e-13 2.10562311e-14 2.92163049e-13
 2.63809354e-17 9.63395422e-12 4.63865938e-14 5.72511720e-18
 3.17647113e-14 3.22228803e-17 6.15246277e-21 1.23870204e-16
 1.33754151e-12 1.20204600e-13 5.53375942e-16 5.27786408e-12
 1.16901158e-13 2.90376637e-15 6.53974962e-14 1.17718474e-10
 8.90849949e-10 4.43562504e-12 2.27212834e-13 5.61677237e-14
 9.24512984e-12 4.46666361e-16 5.48608946e-16 7.29249797e-15
 8.68155201e-12 2.67000560e-13 4.46057443e-13 3.17264184e-12
 1.70052469e-14 2.95942242e-12 8.50344361e-12 5.87718486e-14
 3.99611941e-11 2.08316801e-11 7.20510823e-14 3.96055564e-14
 1.00167156e-07 1.47986609e-15 1.50750147e-14 1.50547120e-12
 1.44181962e-13 4.75444834e-16 2.28163721e-11 1.01551698e-10
 1.04842655e-14 3.08102517e-15 1.07970756e-14 4.90979133e-15
 1.86378846e-11 2.57134718e-16 8.11023128e-17 2.96488928e-17
 8.44838793e-14 1.69390801e-14 2.91155757e-08 8.97093950e-14
 3.03741116e-10 7.33039118e-14 7.87554189e-11 1.77605890e-12
 2.51471817e-14 4.39251552e-10 2.97609866e-08 2.92770204e-15
 4.73439791e-15 1.64387720e-12 2.86610513e-09 5.29980926e-14
 1.02852423e-11 1.33692692e-08 7.85014675e-12 2.98563591e-10
 5.55366100e-08 5.78569419e-13 9.99999166e-01 3.45841064e-12
 4.10714045e-14 9.38463547e-15 6.94245102e-07 1.44118513e-16
 1.17160694e-18 3.99108187e-16]


0.99999917


78


[2.79758799e-10 8.44821366e-11 1.17003859e-13 5.69000345e-14
 1.21520260e-17 2.78626882e-16 5.82366051e-14 3.10552842e-12
 5.31214525e-12 1.25226812e-15 1.54393003e-20 1.58722370e-15
 3.91785909e-11 7.45712899e-15 2.40180142e-18 6.58514649e-12
 2.12428247e-13 3.14246471e-16 6.36286385e-16 1.11224523e-14
 2.89293901e-11 6.82216811e-15 3.52474465e-14 5.24416394e-15
 1.83951812e-13 5.33734201e-16 7.66888506e-13 1.94016234e-14
 2.27603596e-11 1.04867634e-12 1.54975893e-10 1.36843581e-09
 2.96058872e-11 4.45530352e-14 6.21468044e-10 1.53428838e-14
 6.40422437e-12 1.16609576e-12 3.13351710e-12 3.86943217e-14
 1.29027164e-10 6.22721852e-15 5.79142261e-15 8.11306914e-13
 8.56736811e-15 3.54066006e-14 3.32490871e-12 9.65101003e-12
 1.73975485e-13 8.21345657e-15 4.41716806e-14 3.42285929e-15
 8.06400899e-13 2.04568452e-15 3.14704742e-16 3.80802720e-17
 2.03345695e-12 6.62516862e-13 1.10061342e-10 1.91629379e-10
 2.78395729e-09 7.19570941e-13 2.00268730e-12 6.10577832e-13
 5.51103642e-11 4.26013012e-13 1.12532369e-07 1.27782659e-12
 1.64279072e-12 3.24337751e-10 2.99481222e-08 1.65589820e-10
 2.16821916e-12 1.28459083e-08 6.76552185e-13 1.07072724e-08
 9.99999881e-01 1.69359360e-09 2.17987157e-08 1.76319861e-10
 1.19013745e-14 2.83259961e-11 9.20034215e-10 1.69284739e-13
 1.68021806e-17 8.63339687e-14]


0.9999999


76


[1.74774691e-12 1.35057798e-11 9.20958866e-14 7.89881805e-14
 4.65631977e-17 1.62322033e-12 6.50090485e-12 1.86222502e-15
 8.74964337e-12 1.20235268e-14 5.85746568e-18 2.12184930e-15
 4.96340339e-12 2.47541883e-11 2.41481930e-17 7.82530914e-14
 1.46496381e-13 2.26312910e-16 1.38575300e-15 8.36149675e-15
 1.16020485e-12 2.64548122e-13 7.54952131e-14 1.62799055e-14
 5.82115215e-12 5.49935633e-15 7.84297147e-14 8.50244303e-15
 1.24844745e-14 4.96417847e-16 1.03597151e-13 5.46643373e-12
 3.93506245e-13 5.48759771e-16 2.20327944e-15 1.51669442e-16
 1.23518539e-11 2.50845379e-13 2.04230418e-14 3.92653736e-17
 3.47969722e-12 3.35020404e-16 2.46448082e-14 3.75441160e-13
 8.49799569e-16 1.22756928e-14 5.55435418e-14 5.18110294e-13
 7.37166946e-14 8.71034581e-12 2.22727017e-15 2.50433643e-14
 3.65918884e-13 1.45165227e-12 1.30553347e-16 8.20968843e-16
 3.93410754e-14 1.02534743e-11 2.92576896e-09 1.23318857e-12
 2.50951672e-07 2.24210299e-15 9.17445009e-11 7.24755412e-12
 2.25112225e-12 7.63575661e-11 9.99999285e-01 6.16292987e-13
 3.06786829e-14 4.64175809e-10 2.16943730e-09 3.88777118e-13
 2.42802400e-09 3.48957564e-11 3.34720722e-13 5.47745772e-11
 4.90863670e-07 1.60445171e-10 2.35996833e-10 7.20162912e-15
 5.83079253e-14 1.10543302e-13 6.17271834e-09 2.96491517e-15
 1.00526198e-15 1.19020030e-14]


0.9999993


66


[1.1029384e-10 2.9916041e-09 1.1776001e-13 4.5463609e-14 3.9265949e-17
 1.1630545e-14 5.1693459e-12 4.8410425e-11 2.7061001e-08 8.2175916e-13
 4.7032669e-17 2.6597943e-12 1.0589354e-09 3.2458381e-13 2.1002351e-14
 2.4280096e-12 2.4636499e-12 1.2126799e-13 7.2209719e-13 7.0110665e-14
 2.6470809e-12 3.2568642e-13 3.1272383e-12 6.6661525e-13 4.8296617e-11
 3.7496624e-14 5.6914429e-09 8.1999845e-15 1.2060591e-10 6.5509948e-14
 1.6861153e-11 6.2353123e-09 5.2963894e-11 4.6891549e-15 5.8883100e-11
 6.6574960e-14 1.9513215e-12 8.4559611e-14 8.8751380e-13 1.5043961e-13
 5.9629116e-12 9.1482247e-13 4.6769229e-13 2.3828227e-13 7.5378580e-15
 3.4564750e-13 7.7820102e-13 2.3637533e-12 9.4384223e-13 5.6688855e-13
 3.0857773e-14 3.5960403e-15 7.8197391e-14 3.7246473e-12 1.0802433e-13
 2.5415138e-13 1.8022069e-09 1.6634374e-09 3.5371158e-08 8.9555199e-09
 9.9999869e-01 3.8111372e-11 1.2246928e-09 5.6667733e-11 7.9908534e-07
 1.1401621e-12 3.1521804e-08 2.4133792e-11 1.5140361e-10 4.3500503e-10
 5.6546781e-08 2.3896924e-08 4.2684294e-13 1.1662629e-09 8.1386365e-12
 1.3215559e-10 1.0074326e-07 2.4369564e-07 7.0668677e-13 2.7129473e-12
 2.7799436e-12 6.6940502e-11 2.0175359e-10 1.1558573e-12 2.3158854e-13
 1.1433339e-14]


0.9999987


60


[1.1805096e-09 1.0000000e+00 3.4750946e-13 2.2696442e-13 2.0298549e-18
 5.3208103e-14 1.5949824e-13 3.7457886e-09 3.3914007e-11 7.7338053e-11
 1.1323813e-19 9.0946391e-12 5.0730322e-09 7.9658974e-13 5.3076004e-15
 1.2788762e-14 1.0462364e-17 4.0438481e-17 1.4397144e-15 7.0883271e-17
 5.6409527e-15 1.1168441e-17 6.1353544e-15 1.0718902e-15 6.2561759e-14
 3.3410034e-13 3.7540603e-11 4.5804323e-15 2.4799289e-11 1.3354515e-13
 2.0580931e-13 2.0370637e-08 3.7463421e-11 6.1085212e-15 6.5146634e-12
 1.1084783e-17 7.9639837e-13 6.4838360e-15 6.9734800e-14 1.2689299e-16
 4.3839858e-12 1.1104516e-15 5.7443598e-15 3.4512093e-13 7.7899312e-18
 4.7992656e-14 3.2884645e-14 5.0352887e-14 1.5515130e-14 5.2436045e-15
 5.0770218e-16 7.5510166e-16 4.5471822e-14 1.8412157e-11 7.0172866e-13
 1.7229392e-14 4.1432391e-12 1.4677302e-10 1.7869475e-08 9.1307954e-11
 9.0293177e-09 1.8368967e-12 1.0729847e-11 2.7553240e-14 1.6411851e-11
 1.0155444e-11 2.0050075e-12 2.7734723e-14 5.8755385e-15 5.0469541e-13
 2.0584927e-10 2.2264319e-14 1.5375411e-13 1.0224358e-12 3.7430897e-16
 1.5842110e-12 1.6911317e-08 1.0647936e-10 5.5562497e-16 2.8620975e-13
 1.3784182e-14 8.8811354e-15 8.2844911e-12 7.7342355e-14 2.8104010e-11
 4.2954166e-18]


1.0


1


[4.34483283e-11 2.55252242e-09 1.59105021e-11 5.42011260e-13
 4.26693728e-14 2.59060165e-14 7.05829980e-13 1.46160688e-11
 2.24142438e-09 4.07636002e-13 6.71942464e-20 2.00319186e-13
 4.96229058e-09 2.99086195e-13 1.36968975e-17 9.23055035e-13
 1.24374914e-12 7.45745753e-16 1.24407117e-13 5.67153305e-14
 2.07412234e-12 6.41298385e-15 1.75473270e-13 4.30693133e-13
 9.53829707e-14 5.03051766e-15 3.45717101e-11 3.60839449e-11
 1.39173864e-07 6.75927786e-11 2.01604822e-09 9.99998689e-01
 8.46228698e-10 4.79423723e-10 1.01388835e-07 2.83871044e-13
 1.84934096e-10 8.87257934e-10 1.28501368e-11 2.33697478e-10
 9.44350120e-07 2.60087507e-10 5.36683059e-11 4.67974104e-10
 1.25841004e-12 6.45014486e-10 5.54125190e-10 1.05641530e-10
 6.42592715e-11 6.39408665e-12 6.84047697e-12 1.08546806e-14
 1.21732052e-11 8.82969392e-11 7.12500398e-15 1.04104849e-15
 6.11722045e-12 4.21465574e-09 3.16923554e-08 1.74685635e-08
 4.12079437e-09 7.21980375e-12 3.80543849e-13 2.39148274e-13
 3.79249375e-11 1.64519616e-13 1.27918388e-11 5.68905773e-12
 4.59754251e-13 1.81405054e-12 1.96990624e-09 3.09654456e-13
 9.19797051e-12 1.95473568e-10 3.90902724e-13 3.40522818e-11
 2.89716851e-09 1.27708617e-07 1.66609250e-12 1.91336974e-10
 8.08615605e-11 2.13410886e-12 6.55496317e-12 6.50893727e-13
 6.43254167e-13 1.89125218e-13]


0.9999987


31


[2.28635904e-13 9.15499621e-12 6.63076568e-14 8.81347675e-13
 1.28527303e-18 1.26535783e-12 5.03898030e-13 2.49183676e-17
 8.20559250e-16 3.26734780e-16 8.82932344e-21 1.66376991e-16
 2.29390500e-11 3.36821760e-12 2.40102304e-18 8.24512035e-14
 7.59982114e-17 1.18220302e-18 6.32455679e-16 1.64632763e-14
 6.02570430e-14 2.24613550e-16 1.97989831e-13 4.49922980e-15
 4.36603390e-13 3.11985448e-16 1.03324738e-16 1.28894833e-14
 3.22063990e-12 1.37802733e-13 2.97903385e-14 7.12801196e-09
 9.11706894e-14 8.64624431e-12 2.67628964e-13 2.12688120e-17
 5.89667068e-14 1.89889117e-14 1.68560605e-15 6.34219307e-16
 1.78229612e-10 2.51211920e-16 3.44386740e-15 7.45220639e-12
 3.17450394e-15 1.83753715e-13 1.13464793e-10 3.45704666e-13
 3.00726713e-16 6.92746150e-15 2.69889956e-14 1.79201903e-16
 3.00791575e-12 1.18890683e-12 3.31481348e-17 1.58761746e-15
 9.66382261e-14 3.11988185e-10 1.00000000e+00 2.13264087e-10
 7.97484856e-10 1.59791088e-14 3.08980113e-08 8.75203555e-12
 3.67156392e-14 1.14038876e-10 9.88683002e-09 6.41641772e-15
 8.75021100e-17 8.08826010e-12 2.73839510e-11 1.28316723e-17
 1.64070169e-09 7.18068747e-12 1.54871965e-13 3.14616735e-11
 2.10503663e-12 3.44962414e-09 2.08839523e-09 3.46277477e-13
 2.23035410e-11 2.12927532e-14 2.89842284e-08 4.32567451e-17
 2.63196562e-16 7.64445700e-16]


1.0


58


[1.59550498e-10 1.11486417e-14 1.42033385e-13 9.99003363e-15
 5.12534301e-18 5.50887941e-16 9.42542146e-14 9.40222360e-14
 3.51175642e-12 7.23531749e-13 6.85148871e-17 1.22252456e-15
 2.36626740e-09 1.72585806e-12 1.86987304e-17 2.83229707e-11
 1.12836732e-14 4.44308750e-16 7.45330718e-14 3.95422381e-15
 7.80976683e-13 1.89986367e-16 6.64022277e-13 1.10497623e-13
 2.74759345e-14 3.05798799e-16 1.12638052e-14 2.94672164e-13
 3.59887727e-12 4.53845251e-12 1.54704320e-12 2.00465866e-09
 1.50056372e-13 4.34995182e-12 1.04584394e-08 1.27298725e-13
 2.18063838e-14 3.80513593e-14 6.13690468e-13 8.60322577e-12
 1.11003030e-11 1.10941739e-13 1.33956119e-13 1.89481547e-12
 6.08893741e-13 7.86905263e-13 2.73367197e-11 4.56877288e-12
 6.32597112e-15 6.96001823e-14 3.46572136e-13 1.75049845e-14
 3.30413323e-13 1.46075968e-13 3.94844706e-17 3.84150312e-14
 7.37215931e-12 2.74090062e-09 7.36155172e-08 8.25745587e-07
 5.45771428e-09 1.68695543e-13 9.49987733e-09 4.28857687e-12
 6.50062643e-11 1.64476141e-10 5.36250601e-12 1.98425694e-13
 3.41658971e-12 4.79800704e-12 1.29298297e-08 2.42629278e-10
 1.09354388e-12 1.40346599e-12 4.48312748e-10 6.15783202e-10
 9.14424660e-08 9.99997973e-01 1.36133327e-10 3.06846996e-12
 9.39097447e-07 3.21415290e-12 2.86347901e-09 5.68867111e-13
 3.87371545e-14 4.28764825e-14]


0.999998


77


[3.23734468e-14 2.61926901e-13 6.07310712e-16 1.94962617e-13
 1.49665717e-19 5.36608355e-13 1.59575261e-12 5.43229923e-17
 1.42876162e-14 6.20175025e-17 4.40411307e-17 1.36350839e-17
 1.73419806e-10 5.58424444e-12 3.63658252e-18 4.93307118e-16
 1.22805500e-17 9.31614316e-18 3.34664200e-16 6.79610797e-17
 1.30114273e-14 2.84147029e-17 1.96646085e-14 1.00495529e-16
 6.58534032e-14 3.55155250e-12 3.48362119e-17 3.28410513e-15
 4.06593032e-12 6.16634022e-14 4.05984840e-15 1.47997662e-12
 1.74905324e-14 5.01169744e-14 9.75462224e-13 4.71768605e-16
 3.78641854e-15 2.43827074e-14 1.09572436e-14 1.86559523e-16
 1.30443795e-10 1.11919812e-17 5.89507216e-14 3.77619767e-12
 9.87238161e-15 1.40916967e-14 4.01612826e-10 2.19070925e-11
 4.90634676e-16 6.32571659e-15 1.09058685e-14 1.43423600e-14
 8.54753698e-11 9.53602821e-15 4.96773739e-18 3.06047906e-16
 2.78097247e-14 5.33177625e-12 9.99999762e-01 2.80406525e-08
 9.55105683e-09 2.25808328e-14 1.93190104e-07 4.21012669e-10
 1.95881159e-12 7.66893632e-11 1.94353458e-08 2.07464881e-14
 6.69454806e-17 8.29863955e-13 7.57899006e-13 1.48943412e-13
 3.66709135e-10 7.50884858e-12 3.32840905e-13 8.35881031e-10
 5.18327499e-11 9.55326129e-09 9.07402598e-10 6.92401594e-14
 3.22194320e-11 9.06594678e-14 5.95452521e-10 6.24196324e-15
 7.93295059e-16 2.70105916e-16]


0.99999976


58


[2.60303779e-12 1.49812274e-10 6.42180401e-14 2.62951638e-15
 1.15262479e-18 1.03408715e-15 7.39058012e-13 3.52186474e-11
 3.11385570e-11 7.82926580e-14 1.85750005e-15 1.65768956e-13
 2.50434784e-09 2.34239338e-14 1.58558797e-16 5.33964522e-14
 4.96332931e-15 2.13069268e-13 3.30618801e-12 2.65500571e-16
 2.01560299e-13 5.30790062e-15 1.99140644e-13 5.89941101e-14
 1.68579303e-13 5.80737012e-15 4.86145954e-14 2.88766407e-13
 2.08389937e-11 1.04374140e-11 8.86019730e-12 5.07480613e-10
 2.25225478e-13 7.10798391e-12 2.41474375e-11 2.18193627e-13
 5.71613950e-14 6.75976202e-14 6.72989022e-14 6.76484693e-13
 1.15208164e-11 4.61166088e-12 5.85260312e-12 2.00966275e-11
 9.31976528e-14 6.56979571e-13 6.06191399e-12 1.90177527e-10
 9.50835005e-14 5.14109877e-16 6.00996629e-13 8.00506241e-14
 4.93356549e-13 1.40821372e-16 6.94710863e-18 1.35465546e-13
 2.79647520e-11 2.88797736e-10 6.05172886e-07 9.99999285e-01
 5.52181079e-10 2.43954542e-13 9.37880398e-11 7.97145550e-09
 1.29705263e-12 3.53934854e-10 3.75287431e-12 1.05697721e-12
 9.22337900e-12 9.52807538e-12 1.06011433e-09 1.45016354e-08
 2.08033612e-12 8.32204639e-13 8.45089970e-11 4.58607516e-08
 8.44127435e-09 8.62342873e-08 1.33372674e-10 4.90755266e-12
 7.99654787e-10 1.06360285e-11 1.43491590e-11 4.82459613e-13
 1.25907450e-14 2.13393705e-14]


0.9999993


59


[3.8972376e-14 2.1264679e-09 2.8675091e-15 5.8468801e-13 1.2890937e-17
 3.2801217e-13 1.2059949e-12 1.0098028e-13 1.1586879e-13 3.2562621e-15
 7.1188346e-18 4.8363498e-15 2.9778524e-10 2.6874059e-12 7.3508484e-15
 3.4420810e-15 2.5338883e-17 2.8638360e-15 3.7781176e-14 4.7297617e-15
 1.4715114e-14 2.5704284e-15 6.4688356e-16 1.5309551e-15 2.0486319e-12
 2.0564919e-13 4.7703662e-16 5.4347925e-15 1.6568120e-09 1.5286807e-13
 1.7324741e-12 1.2342252e-11 3.4104728e-14 4.4769513e-13 5.7685362e-15
 1.3248705e-15 2.5397178e-14 3.9880148e-14 7.4189895e-16 2.9360462e-16
 1.1159742e-11 4.6467428e-16 1.3324535e-14 5.3823314e-13 8.9148015e-16
 2.9038713e-13 6.7805664e-11 8.0491846e-12 4.2634586e-15 2.3623675e-16
 2.4002481e-15 8.7355109e-15 3.0702147e-12 2.8464657e-14 1.8888553e-15
 1.4725284e-13 3.0584419e-13 1.8146314e-11 9.9999988e-01 3.1561431e-08
 1.7397245e-10 6.5269903e-15 1.2362834e-07 4.4597703e-09 3.5373997e-14
 1.6561043e-09 2.9472107e-09 6.9846172e-15 2.7758614e-16 5.3907302e-11
 1.1980572e-13 1.7571295e-13 1.7330815e-09 3.0763577e-12 1.5675007e-14
 1.0970134e-09 2.7755855e-09 1.1527246e-14 7.3888444e-11 1.3661257e-12
 4.3299114e-12 2.0327734e-13 1.4161351e-10 4.6045198e-15 8.1537324e-16
 3.8269736e-17]


0.9999999


58


[3.69719508e-08 8.04991837e-12 1.93648022e-13 2.46886607e-14
 5.19156949e-17 2.78542814e-16 1.82915698e-14 6.25861724e-11
 2.21459029e-09 4.65661051e-11 9.33403772e-17 4.51764955e-14
 2.48503582e-08 5.57829675e-14 1.38012436e-15 3.59701817e-11
 1.46033799e-14 5.86192169e-16 2.84660723e-13 3.86436929e-15
 7.14922099e-13 1.12975603e-14 2.08958844e-14 6.25889640e-13
 4.89660938e-14 1.47633289e-13 6.50263914e-13 5.00207558e-12
 2.39342572e-08 1.74834938e-10 3.83414012e-09 1.63976777e-10
 5.54231036e-11 1.51194879e-09 3.76093681e-08 4.16570389e-11
 4.72445433e-13 4.91682042e-12 1.63525703e-11 2.11625342e-10
 6.03210704e-10 2.52922921e-12 5.42674738e-13 2.96340695e-11
 3.58770479e-12 8.13092024e-11 2.34097824e-10 8.03685105e-11
 9.78176633e-13 4.63737799e-14 3.71746280e-11 1.69833971e-15
 2.19270565e-12 1.20170174e-14 1.16906552e-13 4.83965906e-12
 1.18013754e-09 2.79367279e-10 2.42566038e-08 1.29652875e-08
 1.45944212e-09 3.21673981e-12 1.73993779e-08 1.23446028e-11
 3.16830277e-11 3.18361032e-11 9.27172401e-13 2.28085237e-13
 2.40754805e-10 1.16917316e-12 1.48367310e-12 2.09960245e-08
 6.45159219e-13 5.68171343e-11 6.11853554e-11 2.20737917e-09
 9.99999523e-01 1.88717706e-07 1.35391465e-09 2.05166861e-09
 8.28292013e-09 3.20285048e-11 2.15192614e-10 1.17825385e-11
 1.35183791e-12 5.24445721e-13]


0.9999995


76


[6.7308116e-07 6.5068773e-14 8.8285641e-16 8.5073528e-12 5.1620441e-17
 6.7313017e-14 2.0665790e-14 3.2222434e-14 1.9704051e-11 1.6658423e-12
 2.8496534e-17 1.6337085e-13 2.7231878e-12 7.1555106e-12 6.5041749e-13
 1.7001762e-12 2.7338976e-16 1.0603648e-13 7.3322126e-13 1.4895668e-13
 3.8404287e-15 1.7871510e-15 6.3219043e-14 8.2985505e-14 7.3261243e-15
 5.0704352e-13 9.1061998e-14 6.2823099e-14 1.4633726e-08 1.2681956e-07
 3.3704015e-11 2.6836636e-13 7.2460912e-11 2.3473362e-13 1.0058323e-10
 2.0173779e-11 3.3202797e-16 8.3955392e-14 3.2606279e-12 2.4459946e-12
 1.8616862e-10 8.4692936e-15 5.6410828e-13 1.5095225e-12 3.7575256e-14
 3.7646401e-15 1.1214141e-08 2.0801455e-12 4.7940625e-15 7.0160429e-15
 5.7317746e-13 6.3816945e-17 6.0752775e-10 1.3292998e-14 4.5530108e-14
 6.0971616e-13 1.2529213e-12 5.8316678e-11 4.7935856e-08 7.0487145e-12
 1.4547400e-08 5.9396481e-11 9.9999917e-01 1.6611482e-10 1.2752440e-09
 8.3596789e-11 7.7755749e-13 4.6147657e-16 2.1973300e-13 4.6382308e-12
 1.5494272e-13 2.1366577e-10 9.5157562e-13 4.7546645e-13 8.2501603e-11
 5.1785659e-12 6.7941350e-09 3.6241313e-10 4.3976042e-10 1.8541211e-13
 3.7182041e-12 5.1651246e-14 5.3646223e-11 1.7081015e-11 9.9322260e-12
 1.5870689e-14]


0.99999917


62


[9.99975681e-01 1.46544235e-11 3.23337602e-12 3.86538336e-11
 3.16860287e-14 7.92445062e-14 9.10072019e-15 1.40366357e-10
 6.72153799e-09 2.65376523e-11 1.06414728e-16 2.16448929e-12
 1.50191474e-11 3.41827369e-12 3.42442255e-11 6.59682939e-08
 1.29554841e-12 5.79487465e-11 4.32666923e-12 2.01591521e-11
 1.70348353e-11 1.41501055e-13 4.11666534e-11 9.72901551e-11
 1.34257458e-14 3.84835870e-12 6.94226759e-11 4.09831141e-10
 1.93225824e-05 1.32125592e-06 2.30474768e-07 4.07200851e-09
 1.60085118e-08 2.65591105e-08 4.23976481e-08 1.46870363e-07
 1.52804828e-14 1.50195856e-10 7.63501617e-09 1.00075432e-07
 3.06590984e-08 7.94856195e-11 3.17943241e-11 1.41285126e-08
 6.36330485e-12 8.46923746e-12 1.42430190e-06 1.23201405e-09
 5.09283327e-12 2.37862708e-13 3.21988908e-10 3.71527540e-15
 2.95715825e-08 7.70864709e-13 3.26257350e-08 4.97894044e-12
 2.89427787e-10 1.91319807e-10 1.60138389e-10 1.98433672e-10
 7.38778549e-09 1.83376994e-10 7.65439836e-08 2.53282334e-12
 2.43191883e-10 4.95895209e-12 3.48471027e-15 2.73299034e-15
 1.55191041e-10 3.94830913e-12 2.48924443e-13 6.86747881e-10
 6.01725429e-14 3.29008279e-11 7.01113700e-09 4.32473848e-12
 1.46660068e-06 8.07098566e-09 2.36813708e-10 1.88145041e-10
 4.52962537e-12 2.57259546e-13 1.11609845e-11 1.10086600e-10
 9.75410863e-09 4.37979026e-13]


0.9999757


0


[2.14990087e-05 2.24807777e-11 3.32072043e-11 9.00723265e-08
 6.56400628e-11 8.69378937e-07 1.99563734e-11 3.63559465e-12
 5.20223642e-09 4.26803526e-09 1.41943870e-11 4.73349082e-10
 6.54604886e-12 2.71101044e-08 1.22250068e-08 1.37305523e-09
 2.93659236e-10 1.26027055e-08 5.00973174e-09 6.31316333e-09
 7.76952724e-10 2.08633527e-10 4.88493794e-11 1.97794905e-10
 5.22801420e-11 1.33589651e-06 2.08211243e-11 1.46197776e-09
 1.40003442e-06 1.01927537e-06 7.20621586e-07 2.15759197e-08
 1.80051657e-07 4.39443291e-08 5.46114404e-11 6.48566015e-07
 4.07511438e-12 2.30731658e-07 1.91653294e-06 4.02582600e-06
 9.70062247e-05 1.96834091e-10 4.09041512e-09 2.52492123e-06
 1.05500986e-08 4.38569714e-09 9.23329175e-01 2.86177374e-06
 4.10128909e-09 6.43688169e-09 6.08170292e-10 1.43479195e-09
 7.65254647e-02 1.29412370e-10 1.53940185e-08 3.20597877e-08
 6.58228860e-10 1.05366804e-09 2.78504553e-09 3.15919096e-11
 1.14738825e-07 1.38168199e-10 8.51212189e-06 1.37668268e-08
 8.09964806e-09 2.96374947e-09 4.70925798e-10 5.76821360e-12
 7.39030850e-11 2.29179210e-11 4.45162050e-12 2.12458284e-12
 5.37785129e-11 3.74435677e-10 2.16080434e-08 5.81321602e-10
 1.99944949e-09 1.11597520e-09 8.53674678e-08 2.07409506e-10
 8.99842770e-11 1.07456904e-12 4.80927298e-09 4.93927432e-09
 2.93610070e-09 5.21279964e-11]


0.9233292


46


[3.58823939e-07 5.77017047e-08 2.77392893e-15 6.26493923e-09
 6.10687716e-14 8.70870167e-08 3.72196649e-11 3.99554359e-13
 4.13949008e-09 2.48208593e-10 2.25127889e-10 1.55381697e-12
 1.38885026e-09 6.12084772e-10 9.30723303e-08 2.70740743e-12
 2.56388254e-13 7.00918212e-11 7.88809365e-11 1.87339727e-11
 1.08691285e-10 1.32427853e-11 6.81260343e-12 8.22779431e-12
 7.18734013e-12 9.99989629e-01 9.85307235e-12 3.09256353e-12
 1.52213568e-06 8.11339405e-08 5.78447024e-09 1.75157291e-10
 5.52853905e-08 1.38536779e-10 1.97106199e-12 1.79474241e-10
 4.69977247e-13 2.10068921e-10 2.33358520e-07 3.60805750e-08
 1.79165326e-07 8.97018737e-10 5.50623380e-10 2.90265270e-08
 2.29268915e-13 7.73877815e-13 2.67546488e-06 2.33406467e-08
 8.73940503e-11 5.27133502e-12 2.81345051e-11 2.92830177e-10
 4.22901758e-06 2.99212477e-09 5.27575367e-07 2.83625523e-09
 2.73289974e-10 1.32937029e-11 2.94723551e-10 4.88730974e-12
 1.13318332e-09 2.98312416e-11 5.71755123e-08 2.78600565e-09
 8.16085741e-11 6.59427668e-09 7.58912573e-13 4.32276827e-13
 4.62992700e-10 9.82645091e-14 9.61835134e-15 4.43897037e-11
 1.03791073e-11 9.37692025e-12 3.10466305e-11 5.64797364e-09
 1.79893635e-11 3.92237566e-13 2.00235939e-10 3.76163618e-13
 1.22007027e-12 1.60412468e-13 9.14994747e-11 4.31151248e-09
 1.24389999e-07 2.86425208e-13]


0.9999896


25


[8.99756051e-05 7.81509953e-05 9.11237203e-06 9.59876634e-05
 2.64471794e-07 2.32491814e-07 1.79095264e-06 1.62869321e-06
 7.01548561e-05 7.39864799e-06 9.18232601e-08 1.24728828e-07
 9.77397285e-05 1.16417832e-05 3.98976772e-06 1.20693541e-04
 7.62511231e-03 2.16475928e-05 4.48022693e-05 1.47240180e-05
 2.46450421e-04 5.48602766e-05 2.29713532e-05 1.06902757e-04
 4.36821138e-05 1.05883089e-04 1.68285424e-05 1.76792055e-05
 5.55273481e-02 6.25005364e-02 7.12345690e-02 2.64448375e-02
 1.07094303e-01 3.54705416e-02 4.69902949e-03 7.53305946e-03
 2.54829531e-03 7.80462846e-02 7.35708326e-02 2.05108337e-02
 4.56877016e-02 1.10220201e-02 8.06014519e-03 4.83746380e-02
 5.23846538e-05 1.33767566e-02 4.87172604e-03 2.98222423e-01
 3.72855691e-03 1.69015550e-06 1.08403973e-02 2.34667596e-06
 2.92769342e-04 2.38553461e-04 2.53600505e-04 4.63152719e-06
 9.54302450e-05 1.73585909e-06 1.04002975e-04 7.39276875e-05
 3.51698945e-05 5.25344913e-05 1.81429532e-05 3.72560658e-06
 9.19011563e-06 5.21315305e-05 1.88300339e-06 7.12210704e-06
 9.28306763e-05 1.26991142e-06 5.92162178e-06 1.95767757e-06
 3.53920950e-05 4.93181324e-05 2.38598477e-06 1.68773713e-05
 9.07159847e-05 1.97768240e-05 2.54430779e-05 3.71367860e-05
 1.21269959e-05 4.75845468e-07 1.07634946e-06 2.36048209e-06
 1.71884330e-05 1.13877832e-05]


0.29822242


38


[2.78175293e-07 3.53827545e-06 5.38792344e-10 1.57861939e-06
 2.95778346e-10 8.42127363e-08 9.69818529e-07 4.59187577e-09
 2.99206837e-09 6.04831030e-08 1.29352429e-07 7.03327305e-06
 1.25587887e-08 1.71052682e-06 2.49317532e-06 9.79371293e-07
 3.83622378e-09 6.81212782e-07 4.43054688e-07 6.30069863e-09
 1.74441688e-08 9.04054787e-09 2.01831583e-07 9.68259917e-10
 4.36254822e-07 7.11748612e-07 1.43423617e-09 6.76594170e-10
 3.06595211e-05 8.56876613e-06 1.77296121e-02 1.90063503e-08
 5.35913523e-06 1.24812090e-07 2.11399875e-09 2.02712052e-08
 6.45009379e-08 1.56042142e-06 9.02983743e-07 2.13805844e-08
 2.53254910e-07 8.18413959e-09 2.59407869e-07 2.88102888e-06
 7.12106285e-09 3.06473254e-07 5.33719838e-04 1.06010475e-06
 3.77186282e-08 7.93910537e-09 9.84489930e-07 4.09551104e-09
 1.06454581e-05 7.59389494e-08 1.05884113e-09 4.39550440e-08
 5.22926458e-09 3.25340395e-08 7.38260511e-04 2.57253419e-07
 4.78728434e-05 2.42466989e-08 9.78867292e-01 1.03236243e-06
 1.60819275e-06 5.18170418e-06 2.02268711e-04 1.09713106e-07
 8.75249441e-07 1.62928736e-05 9.97523443e-07 5.11777387e-07
 4.89593484e-04 4.63051128e-06 1.50631312e-08 2.53359671e-04
 9.76143230e-04 4.84724332e-08 3.29617542e-05 2.44925604e-06
 3.23286713e-08 1.34734597e-08 9.42717998e-06 3.28539365e-08
 2.01478834e-09 1.66212222e-09]


0.9788673


62


[9.61199248e-07 1.96783660e-07 7.71977771e-09 3.55226598e-10
 1.94829656e-11 2.28028960e-14 8.20857791e-12 1.56594615e-06
 3.69503681e-08 1.21829640e-08 7.31218003e-11 5.48774267e-07
 6.67990491e-07 5.72334784e-11 5.90781202e-10 1.61589958e-06
 1.17938803e-09 5.47187122e-11 6.82495033e-11 1.67372671e-10
 3.20142379e-09 1.69020561e-11 3.11499826e-10 1.68319747e-09
 9.71919767e-10 6.56128762e-11 1.35640610e-09 2.43674148e-09
 5.17708395e-05 1.40437251e-07 8.58959800e-04 1.13393446e-06
 2.28366552e-08 1.29790976e-07 2.43948051e-07 6.83849009e-07
 7.68611841e-09 7.61099201e-08 3.20291562e-08 2.31669014e-06
 3.51467691e-08 3.76531056e-10 3.00564573e-10 3.57775184e-06
 1.39330808e-07 1.24645396e-06 2.26588213e-07 4.13094938e-07
 4.84431375e-08 5.89665330e-11 7.73943398e-08 1.64496281e-12
 2.27671437e-09 1.72284441e-12 9.04655018e-09 9.49425205e-10
 1.74467978e-08 1.08897730e-07 1.96083124e-06 1.15993535e-04
 9.07148845e-08 4.13339372e-08 3.84204363e-10 1.75068671e-08
 1.92934362e-08 1.83912972e-11 1.62451372e-10 4.21555901e-09
 6.76992107e-09 7.08350308e-06 4.92494756e-08 6.28363434e-03
 2.89545765e-09 1.04003379e-06 1.14544619e-07 1.49522348e-05
 8.89435541e-05 7.75475755e-08 6.71331179e-07 9.92558002e-01
 1.43868641e-08 9.29252977e-08 3.08300430e-09 2.93333056e-08
 6.89445834e-09 2.40711930e-11]


0.992558


79


[1.4498851e-10 1.3652487e-07 6.9722255e-13 5.9270988e-10 2.9165655e-15
 4.9361387e-11 1.7042213e-08 1.8761297e-10 2.9092750e-12 1.4218933e-10
 2.9358087e-12 4.3397859e-09 3.8070058e-10 5.7842375e-09 8.4903390e-10
 1.8948797e-11 4.7596540e-13 1.9634649e-10 1.0400248e-11 1.2753660e-12
 3.2717908e-12 6.0933463e-13 2.1731834e-10 3.4460488e-13 7.2637507e-10
 1.2959364e-09 4.4766803e-14 7.7684536e-14 1.6131581e-08 1.9368384e-08
 1.2561790e-10 4.0037687e-12 3.6845210e-12 4.8822682e-12 1.0011713e-14
 3.4154788e-12 4.0835401e-11 1.0528977e-09 3.2446597e-11 1.3585059e-12
 2.8890463e-09 1.2300351e-13 3.0026561e-12 4.3222292e-10 6.8825804e-12
 2.0471105e-12 5.1796789e-09 5.7242384e-12 7.2308999e-12 2.3011947e-11
 2.7714877e-13 6.0343410e-12 1.7368235e-08 4.7164654e-13 1.2757188e-12
 4.2141783e-11 9.6737212e-13 5.1152410e-10 3.8148132e-06 4.6621667e-09
 1.2487819e-06 1.1767208e-12 6.1550709e-05 6.9068937e-09 2.9965818e-11
 4.2416791e-06 9.9992263e-01 3.5211986e-11 6.9109059e-11 9.0950635e-08
 4.4566853e-10 3.5448704e-08 1.4530302e-06 4.1278728e-10 2.4859750e-10
 2.0441931e-07 1.5580623e-06 2.9826869e-10 5.8794126e-07 2.2419528e-11
 1.8481708e-10 1.5595221e-10 2.3533466e-06 2.2361180e-12 4.4312986e-14
 4.3768854e-13]


0.99992263


66


[8.38467906e-11 5.18751165e-07 2.20166089e-14 3.91936565e-13
 1.38182395e-19 4.13652748e-16 2.26162535e-12 5.17021460e-11
 1.23341271e-09 1.17618441e-11 2.86930771e-13 1.18097820e-09
 1.14650565e-08 1.15598205e-13 5.22975309e-11 3.98993729e-12
 6.63663867e-14 3.96965284e-13 1.42702527e-13 2.09490950e-14
 1.21787795e-14 3.51216769e-15 1.02792714e-11 2.57604674e-13
 1.72687613e-12 2.67122635e-09 1.32424150e-12 3.00608631e-16
 2.34822584e-09 1.82285886e-09 2.76446054e-12 1.26739253e-11
 4.84325739e-11 4.26795169e-15 3.97083625e-12 2.47420816e-11
 2.20912646e-11 9.60006272e-13 6.61354218e-13 3.27503541e-12
 1.03113976e-11 4.18764199e-13 1.09064564e-14 5.30140818e-12
 2.34453976e-15 2.24092324e-13 4.95098407e-12 1.22147171e-11
 2.04757272e-13 9.80969998e-14 5.36042944e-13 6.35677633e-16
 1.07803079e-12 1.80174106e-14 6.18926405e-13 5.88621328e-13
 4.26959423e-12 5.81174241e-11 3.44251816e-06 2.80411996e-08
 7.83815413e-09 4.63606459e-10 1.35469975e-07 8.08349387e-09
 2.51611034e-08 4.39573621e-11 8.08695888e-10 1.24405061e-11
 2.66978856e-10 1.59218452e-08 3.68955783e-10 9.99992609e-01
 1.03920239e-09 5.10616029e-11 7.96810007e-10 8.01710414e-08
 2.82805968e-06 9.29138189e-09 2.08856613e-10 7.36513162e-09
 2.55240221e-11 8.39941805e-08 6.47297469e-08 3.74522843e-11
 7.02444309e-12 1.54936842e-15]


0.9999926


71


[3.32880923e-08 9.99985933e-01 1.07440931e-11 3.66066732e-10
 1.34195708e-16 1.63356667e-15 1.44666111e-11 1.08371478e-06
 7.02531089e-11 6.84713530e-09 1.14261297e-14 9.32513274e-07
 8.00731570e-08 6.43432464e-13 7.61701457e-09 1.24459481e-12
 5.10893628e-13 1.56798272e-12 4.25848072e-12 1.97408713e-12
 1.34341314e-14 6.09204459e-14 1.21495522e-11 6.54635894e-12
 3.29225258e-10 9.28423844e-08 4.54156721e-12 1.49159537e-15
 5.02546360e-09 1.86027739e-06 3.99767133e-13 1.02660221e-10
 2.11959996e-08 5.15885383e-14 1.65563507e-10 2.36448968e-12
 2.55562949e-11 7.27340887e-12 3.00398768e-11 2.54374755e-12
 6.59537485e-12 6.18636598e-13 3.16402788e-14 1.25807550e-11
 3.68569347e-17 8.40148697e-13 4.72789668e-13 2.03943459e-11
 3.61310374e-13 6.57818187e-14 1.12952694e-11 1.50491886e-14
 7.05799460e-13 3.87044319e-13 1.39611364e-10 7.80240672e-13
 2.90041290e-11 8.34187233e-11 4.33647962e-08 1.02052145e-09
 4.37201872e-11 9.23207537e-08 1.56078670e-07 4.08998252e-10
 5.88215642e-07 4.94388863e-10 3.10241264e-12 4.67049847e-13
 1.77572221e-10 3.04392456e-10 9.50329659e-13 8.21001140e-06
 5.02667560e-11 4.94477514e-10 3.04335411e-11 5.96311756e-09
 8.04507920e-07 4.94354113e-09 1.86405817e-12 5.04088993e-09
 1.92315426e-14 2.04542615e-11 1.75476661e-10 6.96719696e-11
 7.29673655e-09 1.87379206e-17]


0.99998593


1


[4.41982140e-09 2.61977311e-06 1.02951088e-08 2.97243297e-08
 3.28513050e-11 5.52607217e-15 1.00020695e-11 1.54899439e-07
 5.23183585e-09 3.93096333e-10 3.79619432e-14 2.70027845e-09
 5.14585352e-09 3.12814150e-11 1.72247411e-10 2.81047990e-10
 3.04734229e-08 4.70350248e-09 6.71191602e-10 1.41142631e-09
 9.57979251e-11 5.40001507e-12 6.80379442e-09 3.43970563e-09
 3.51876334e-10 1.52910506e-09 8.47388132e-11 1.72608438e-11
 1.88969170e-05 9.99901652e-01 2.99530797e-07 7.31702312e-06
 3.52044372e-05 2.50064062e-07 8.30267527e-06 3.52035300e-07
 2.01781933e-08 1.00036259e-05 1.59136505e-07 9.38128437e-08
 3.53338294e-07 2.54399302e-09 9.86593862e-11 3.33632983e-07
 1.92302549e-10 2.83012560e-06 1.67921161e-08 2.98600412e-07
 2.72907186e-09 1.19198956e-11 6.24911081e-06 1.88149604e-12
 4.00667766e-09 8.99932646e-12 4.73864770e-09 1.07895919e-12
 3.30402972e-09 3.14608173e-10 1.44675812e-06 3.83939236e-09
 7.81130161e-11 5.05274080e-08 2.89315594e-08 2.61607014e-10
 8.91596471e-07 5.67259260e-11 3.70090042e-10 1.42465623e-11
 1.78978082e-11 9.75088482e-11 4.16515910e-12 3.14486381e-10
 2.23022738e-08 1.34794433e-08 2.04092923e-10 3.03722070e-09
 1.82231884e-06 3.30343108e-09 8.89625040e-11 2.56925517e-07
 1.43611934e-12 1.26024691e-10 4.52821895e-12 6.57005450e-10
 3.24359706e-10 1.52580769e-12]


0.99990165


29


[2.56781130e-09 1.44950718e-08 4.28036540e-09 2.85382301e-10
 1.42831502e-11 1.28757600e-13 2.28275870e-11 2.41505749e-09
 5.34551181e-10 1.18222876e-10 2.00189899e-11 8.33504765e-10
 6.26522212e-09 4.54928428e-10 1.81118782e-08 7.79929188e-09
 4.07961931e-09 1.17977114e-10 3.16503934e-10 1.85876765e-11
 2.54800209e-10 7.57552604e-13 1.48017187e-09 6.30225039e-11
 3.54987577e-08 8.80432061e-10 1.05667200e-12 1.83887476e-12
 4.49465887e-08 5.28923891e-08 1.92928229e-09 5.76055800e-11
 9.17047605e-10 9.91659910e-09 6.99305717e-12 9.37253886e-11
 1.52078594e-09 3.82881815e-08 3.24076694e-08 4.56529592e-10
 1.39290568e-09 1.07027451e-12 4.08643744e-11 2.25061001e-08
 3.36077888e-10 2.06462492e-09 1.95440180e-08 2.07144186e-08
 1.94014787e-11 4.87175751e-11 1.21323851e-07 1.35432973e-12
 1.00067510e-09 6.35103428e-12 9.27198873e-11 1.92958930e-11
 2.12470846e-10 3.66851731e-12 1.69902967e-06 6.99761715e-09
 1.07850013e-08 7.31876393e-10 1.73684771e-06 1.14310019e-07
 1.85605220e-09 1.37476497e-09 1.55805211e-07 3.82430164e-11
 2.89968605e-11 1.65016115e-06 1.95640643e-10 2.89987469e-07
 1.26116565e-05 1.34868259e-07 1.00311590e-08 9.99975681e-01
 2.72889815e-06 3.89409216e-09 6.60334138e-07 1.02424622e-07
 3.76009638e-07 1.44737726e-06 1.75299757e-08 1.52820576e-10
 2.27282273e-11 6.98647086e-12]


0.9999757


75


[6.36176767e-13 9.31323486e-13 8.44652378e-14 8.10966832e-12
 1.65526298e-14 9.83080913e-13 3.82561427e-10 6.43008053e-14
 1.19816890e-13 8.82163103e-13 1.33908921e-12 6.15138239e-15
 3.84814507e-11 1.99477213e-09 4.99193482e-12 1.25944570e-13
 3.16143361e-11 2.11369420e-12 8.77528432e-12 4.48227566e-12
 1.35885942e-12 1.02545732e-11 4.80619711e-11 1.88932528e-13
 2.42475307e-09 1.02201095e-11 3.51572680e-14 2.41951616e-15
 5.91159283e-13 2.35224980e-13 1.07288869e-14 1.28581719e-14
 7.83109133e-14 6.82682721e-15 5.16494486e-16 1.14441724e-14
 5.58413775e-12 1.69956757e-12 2.20287295e-11 1.38151529e-15
 1.85159370e-11 9.28568000e-15 1.34306344e-13 1.27340680e-10
 2.88803740e-15 2.83029419e-14 5.25577411e-13 1.34198360e-12
 8.33194055e-14 3.97818551e-13 7.22830975e-13 1.82085033e-12
 5.88889744e-12 2.94265046e-12 8.39925123e-16 2.84986459e-15
 1.89110897e-14 3.26039041e-14 8.25462848e-07 2.54363388e-11
 3.81556902e-08 3.19603746e-13 1.14661290e-07 7.00605823e-11
 1.65846608e-08 3.21744054e-08 9.99995947e-01 4.88695354e-14
 3.89016889e-13 3.42258232e-07 1.37162809e-10 3.43035100e-10
 2.35177367e-06 1.58176347e-10 7.13056567e-13 2.06024737e-07
 2.04666311e-08 1.41879939e-08 1.71024936e-07 2.05577586e-15
 1.14164421e-10 4.49390553e-10 2.27765486e-08 9.24206648e-16
 8.32308140e-17 1.83132955e-13]


0.99999595


66


[3.43331266e-12 3.68347020e-12 8.71181602e-15 1.72546612e-12
 3.72708435e-18 4.97777275e-18 6.55073555e-15 3.52180611e-11
 1.25938571e-09 1.16232729e-12 4.98140796e-15 2.70776765e-14
 1.03204882e-10 6.85001474e-16 3.64326184e-14 7.21959109e-16
 7.01051576e-13 1.24712063e-13 3.79320300e-13 2.34625772e-14
 5.50788256e-15 2.38377873e-14 2.48640149e-12 1.81221954e-12
 3.17937994e-12 2.01097125e-11 3.55629935e-11 3.72003925e-18
 4.02916971e-11 5.74463572e-14 1.31352896e-13 2.10424538e-12
 1.22191726e-13 1.56747484e-16 8.43638961e-12 1.37364458e-13
 3.42095305e-15 3.39943629e-15 8.72704198e-13 3.05601424e-14
 1.97443600e-14 6.00340226e-14 1.97475885e-15 4.71004834e-14
 1.49737754e-18 1.78182804e-16 1.60662042e-14 1.84499605e-13
 9.95257890e-16 1.07101883e-16 4.04096956e-14 7.50744029e-17
 1.10970189e-15 1.59244617e-14 6.25481019e-15 6.26106161e-16
 3.93870830e-12 4.45812739e-13 1.18860966e-08 2.82840973e-11
 4.72877382e-09 3.10143067e-09 7.33947625e-10 9.61750124e-10
 9.99999762e-01 1.56387869e-13 2.04544345e-14 1.28615203e-16
 5.12882011e-12 1.34577599e-10 5.61489657e-12 7.98926880e-09
 8.57950863e-13 4.85547332e-11 1.34916912e-13 5.71151841e-11
 1.50509538e-09 2.31261055e-07 3.94466849e-13 1.55242193e-13
 1.94921076e-12 3.02953246e-10 2.38162456e-14 2.50715410e-13
 6.51945335e-14 2.63019972e-15]


0.99999976


64


[4.37708216e-08 9.33581191e-07 6.08362458e-11 1.28462007e-11
 1.35780313e-14 5.51238200e-14 4.23054508e-11 6.63956499e-08
 2.86338486e-09 2.49055754e-09 9.79612225e-13 6.96552704e-10
 2.53971333e-09 4.89599463e-13 3.28303391e-11 5.82021790e-13
 4.04595829e-10 2.90837088e-09 4.87630991e-10 9.05161571e-11
 6.29814603e-11 1.52290555e-10 1.52702698e-10 1.52828847e-10
 7.85906096e-09 7.23626714e-09 5.47869909e-08 2.14947638e-14
 9.77510295e-10 2.38634834e-10 2.48147614e-10 8.28936741e-09
 2.25615082e-09 1.98762353e-13 8.69196715e-10 3.44681467e-12
 5.08221243e-12 1.88370361e-10 7.82508669e-10 1.84936875e-12
 1.32097163e-11 6.65298936e-12 2.16147426e-13 1.97080565e-13
 3.42860567e-16 1.38586286e-13 8.86237318e-13 9.89790454e-12
 8.68426945e-12 2.54755188e-14 1.12830453e-10 2.66266935e-12
 7.61742123e-13 3.49232877e-13 6.18651796e-10 9.83306572e-15
 2.77530496e-08 7.07405801e-10 1.50420533e-07 8.33721703e-10
 1.52880553e-09 4.42774251e-07 1.61561687e-07 2.80696288e-09
 9.99968886e-01 4.11959121e-07 3.28992736e-12 5.01562564e-14
 3.87159638e-09 7.95969690e-09 1.29801492e-09 9.60941637e-09
 1.39663515e-11 1.04338680e-08 8.40015002e-11 3.85900173e-10
 2.85931637e-05 1.81884616e-07 6.05208939e-10 5.15407985e-12
 7.48052835e-12 1.32529793e-10 1.53965469e-11 3.35196259e-12
 1.16368404e-09 5.90663152e-13]


0.9999689


64


[3.16114246e-08 2.94407476e-09 9.39915967e-09 2.42648393e-12
 2.30207281e-12 1.26292496e-15 1.67785907e-11 4.96881876e-06
 2.41914705e-07 4.60534899e-09 7.68935913e-13 9.58166424e-07
 5.20132049e-10 1.50612595e-13 1.11876101e-12 3.02786396e-09
 5.61590277e-08 3.91737393e-10 5.23450439e-09 1.86109839e-09
 5.08952480e-09 3.09001047e-09 3.32704864e-10 5.27020302e-11
 2.26365646e-08 4.07472972e-10 3.91815830e-10 4.60868193e-12
 7.97098565e-09 2.91374196e-08 3.54546081e-08 1.54151412e-08
 5.89543192e-10 5.16321395e-11 4.31079883e-09 2.52203865e-11
 9.16367160e-09 8.01917466e-09 8.82256823e-10 1.18675514e-10
 7.98706448e-11 1.06203405e-11 8.34167479e-13 1.76246916e-13
 7.80396357e-15 1.44172261e-11 7.43712730e-11 2.19901675e-09
 1.00180664e-09 4.68326441e-13 1.53660888e-08 1.45414748e-11
 3.07038492e-11 1.00848734e-14 4.95403663e-10 3.18251393e-13
 4.11301965e-11 4.18330821e-11 3.14275522e-10 5.81981121e-12
 1.63429423e-10 1.69941444e-07 7.83452331e-11 7.64393340e-11
 2.20181732e-06 4.24250901e-09 6.94088328e-11 2.13496560e-12
 9.77881953e-09 7.40595425e-08 6.68002667e-11 8.20156565e-09
 4.71587040e-11 4.14492867e-08 2.93790131e-11 1.33468077e-07
 9.99989986e-01 8.09133212e-07 1.34258438e-09 9.77533254e-09
 2.09081735e-13 1.12619280e-11 1.64288808e-11 2.82447902e-11
 2.56544785e-10 6.04681106e-12]


0.99999


76


[3.45630724e-07 5.34519870e-07 2.97643599e-09 5.97685638e-13
 8.01175445e-12 1.93344012e-14 2.76770078e-12 7.93348818e-08
 3.22181370e-09 1.20730084e-08 1.03565177e-11 9.99998569e-01
 1.70840758e-10 2.40119296e-11 6.09888318e-08 6.76621355e-08
 1.11480181e-09 3.77495118e-10 1.29478774e-08 5.80861852e-11
 2.17428561e-10 4.84119862e-11 1.57033042e-09 3.63127479e-11
 4.96672428e-08 7.83777418e-11 4.44250626e-12 3.72422579e-13
 9.15211591e-13 4.34223750e-08 5.38014633e-10 6.46167911e-11
 2.08692189e-10 5.45374466e-12 8.22160742e-12 7.35500731e-14
 3.89440008e-11 1.02365880e-10 2.10215265e-12 1.17560605e-11
 2.91840684e-11 9.18744044e-14 2.00656833e-13 2.74756482e-13
 1.18722811e-16 1.13494765e-13 6.04663819e-10 1.61829480e-12
 2.37396864e-12 8.10609880e-13 4.96389707e-10 2.40593424e-14
 1.99169667e-10 9.72803194e-15 1.77047299e-09 1.08342252e-10
 1.49872767e-10 2.07751247e-11 3.44923395e-11 2.53625002e-13
 7.43826528e-12 1.36671438e-10 4.18617407e-09 2.23714103e-12
 1.88721434e-11 1.79895248e-11 1.89758070e-11 5.95818628e-14
 1.23687421e-12 1.27785046e-10 1.89774533e-13 1.37959368e-08
 5.31747590e-10 4.95124497e-10 3.55576441e-12 2.66812084e-09
 3.04939363e-08 7.77844511e-10 4.99161259e-13 7.31635694e-08
 3.76110330e-13 1.60384379e-11 1.13024748e-12 4.71688877e-12
 9.94412588e-08 1.55488329e-16]


0.99999857


11


[3.9114765e-09 9.9999547e-01 3.6573958e-13 8.9634019e-13 3.8216626e-16
 8.8237936e-14 3.9022878e-13 8.7925622e-10 9.8326010e-14 6.2144750e-10
 2.0611458e-15 4.4537260e-06 1.9023823e-09 5.3640933e-14 4.4039523e-09
 3.6329156e-13 9.0737557e-15 2.7004732e-14 2.5763896e-12 3.5613543e-15
 2.6007078e-14 1.3756457e-15 9.0085816e-13 3.8439636e-14 8.6439675e-11
 1.9401585e-09 8.9088893e-14 1.6739793e-17 4.2232035e-13 5.5427507e-12
 1.4196019e-13 1.2712026e-14 5.9327529e-11 6.4090224e-16 1.5401330e-15
 1.2312071e-16 2.0267249e-13 4.2571364e-14 1.9238404e-14 7.6132506e-17
 6.4233991e-13 2.3788529e-15 4.8693118e-17 3.1701481e-13 1.1751150e-20
 6.4418428e-16 5.5233926e-13 4.5844667e-15 6.5514044e-16 5.7947121e-15
 5.7609961e-13 1.3208081e-14 2.3992513e-13 1.0867667e-12 2.7088550e-11
 4.9190608e-12 9.2516306e-14 2.4118091e-13 8.3610434e-09 1.3899129e-13
 1.5968633e-12 3.7788165e-13 9.4319808e-10 1.7798809e-12 1.4252301e-11
 5.2555616e-13 2.4187111e-12 7.3964357e-16 7.0044273e-18 9.5539852e-13
 8.0315164e-15 2.0009165e-10 3.3513695e-11 1.3174782e-12 4.5848665e-16
 3.1949469e-08 2.4281780e-08 1.1620048e-13 5.9918338e-14 8.8213542e-10
 3.6286339e-14 1.3330616e-12 1.9078771e-12 9.1953009e-14 1.0868036e-09
 7.8479303e-20]


0.99999547


1


[2.43466003e-09 8.49191273e-10 6.34410146e-12 2.37237703e-12
 8.87519114e-10 3.79693911e-15 1.30917683e-12 2.61385054e-07
 1.78543367e-08 1.21032323e-10 3.05670940e-12 2.13044316e-07
 4.00308098e-09 6.65111683e-14 2.02179263e-11 2.70750955e-09
 6.76481648e-07 2.12190843e-09 2.19678693e-08 4.67876182e-10
 5.97550498e-09 2.75136913e-09 3.00136946e-08 6.57636656e-09
 4.94521091e-09 5.91082946e-11 2.85160628e-09 2.23560948e-10
 9.01836898e-08 7.46378177e-08 1.56631347e-06 1.23254139e-07
 9.30497606e-07 7.87516797e-07 3.99180635e-08 1.74291017e-08
 2.18104179e-09 6.10461299e-08 2.85464180e-10 6.56683099e-08
 4.76790607e-09 9.47388279e-10 9.89871466e-12 3.87775190e-09
 3.84063311e-12 4.06423650e-09 1.43053555e-07 4.09442208e-07
 1.93257535e-10 8.01769623e-11 4.62210373e-05 4.78065450e-13
 1.12235785e-08 7.09645233e-13 7.50997771e-08 2.62544760e-11
 4.66692573e-10 2.56106664e-10 1.62427895e-07 2.41661668e-09
 7.88300447e-09 2.02629510e-10 1.97364472e-10 4.09868944e-10
 5.54291502e-10 6.76692426e-13 1.35272240e-12 3.14729943e-11
 9.01547847e-12 1.76330534e-10 4.82928454e-12 2.22066816e-07
 4.84182746e-12 4.49736115e-09 2.24241237e-10 3.56954075e-08
 4.96455890e-08 4.48265508e-10 3.32915362e-11 9.99947786e-01
 6.83629819e-11 6.31472374e-10 9.77426080e-14 4.01066610e-11
 2.08777742e-08 4.89281087e-13]


0.9999478


79


[2.2514525e-12 1.0284885e-08 1.3716067e-13 1.2043504e-12 1.0397160e-14
 5.9324884e-12 3.1282643e-09 2.7010805e-14 1.1390028e-14 3.6859413e-12
 2.4451488e-13 2.5166999e-10 5.5599844e-13 2.5744917e-09 3.9351272e-10
 3.2401625e-12 1.6658992e-12 2.4291732e-12 3.3196418e-11 9.3043520e-13
 6.2263909e-12 6.7036099e-11 1.3826915e-09 1.8088030e-12 8.1108658e-09
 9.4829786e-13 5.3535921e-15 1.7920925e-16 1.4800532e-14 1.9911555e-13
 5.7724530e-14 6.2132875e-14 4.7485372e-13 5.2030144e-14 3.1505745e-17
 1.1042958e-15 1.2546198e-11 3.9247494e-12 5.8983944e-15 5.7650034e-18
 8.5153065e-12 1.1030663e-15 1.7552203e-15 1.6924280e-11 1.4735054e-16
 2.3855783e-14 6.0868422e-13 3.2928938e-13 4.0354364e-14 4.4080516e-13
 9.4686046e-14 3.0586902e-13 7.5964610e-11 4.5139286e-13 9.3598936e-15
 2.3962050e-13 7.4622973e-16 2.5565807e-14 7.3944580e-07 1.6678036e-12
 2.2640128e-09 3.2689915e-15 1.7675688e-09 3.5821506e-12 1.8404265e-12
 4.9667175e-08 9.9999905e-01 1.1595117e-13 6.2314431e-15 2.4013971e-10
 4.0934247e-09 4.5263779e-13 3.9684011e-08 2.4426470e-12 1.9635559e-13
 3.8708565e-09 1.8161424e-08 1.9990561e-12 7.0265229e-09 6.8915332e-14
 3.2793803e-13 2.2133517e-13 1.2607362e-08 8.3729445e-17 3.5067816e-15
 1.0618855e-15]


0.99999905


66


[1.03445984e-11 2.06800166e-07 6.28081961e-15 1.68695002e-10
 1.77647863e-16 1.50728036e-13 1.60194691e-10 2.83666710e-12
 2.00668995e-11 2.61487446e-13 2.11545028e-13 1.75754220e-11
 1.25803978e-10 1.01497359e-12 2.52985046e-12 6.09354215e-14
 6.51761197e-13 9.05353754e-13 1.22088673e-13 2.20003892e-13
 2.16319645e-14 8.27031694e-13 1.97501113e-10 5.10176415e-11
 1.12858678e-09 2.01633536e-11 2.43459679e-11 4.00711270e-17
 1.14593897e-10 1.93753798e-11 1.88116870e-13 3.06401107e-12
 1.76599749e-10 4.60648365e-15 2.08945288e-13 1.61304584e-14
 4.51992231e-14 2.68049014e-14 5.35931637e-14 2.23879245e-17
 1.18493269e-12 1.83657257e-16 8.66629584e-16 6.93045231e-12
 1.74139336e-17 1.23746648e-13 3.43193529e-12 2.30967914e-13
 1.32190918e-14 1.76367134e-14 1.07282254e-14 6.61317501e-15
 2.31471353e-11 3.75031907e-12 1.10582503e-13 1.26749561e-14
 2.61275702e-12 5.44691722e-12 9.99995232e-01 5.31015365e-09
 1.68661472e-07 1.26960671e-12 4.04003913e-06 2.23394977e-07
 1.10228434e-07 1.46161850e-11 2.72238285e-08 1.48423703e-14
 1.75374960e-13 5.88743383e-08 1.20821986e-09 4.73691086e-10
 3.03964798e-10 9.52658785e-11 2.58450657e-11 6.59322874e-10
 7.87397170e-09 1.36101874e-09 1.74275091e-11 5.32251881e-11
 1.60194306e-11 3.08146147e-10 2.24401504e-11 2.15908780e-13
 4.16364805e-13 2.54975075e-16]


0.99999523


58


[7.68639374e-10 9.99993801e-01 6.95863519e-14 5.78007434e-12
 5.25582461e-16 2.70752282e-15 3.55395726e-12 2.79155728e-07
 1.24215759e-11 7.18213596e-12 2.22402212e-16 6.86095873e-08
 1.11686997e-08 1.08370031e-14 3.84772422e-12 2.30231212e-14
 5.41192008e-15 5.44584163e-15 1.18488440e-14 1.16560659e-15
 3.87677917e-15 1.40221910e-15 1.39910360e-12 9.28767154e-13
 2.21832969e-11 1.45765816e-10 2.56043472e-12 2.43776188e-15
 2.84215585e-11 4.45985943e-10 2.85931456e-12 2.00724312e-10
 4.39482210e-06 1.19955603e-14 1.94972805e-11 3.78875127e-15
 1.06622686e-12 2.41583690e-14 9.73181713e-13 3.76899850e-17
 4.27753644e-13 4.59610083e-16 5.72421901e-16 4.92429292e-11
 6.26785273e-18 1.76304490e-12 3.37749543e-14 8.19057008e-14
 6.12236388e-15 4.17090246e-15 7.00886696e-14 8.66863513e-15
 3.65495091e-12 8.59922029e-12 1.10391531e-11 4.60468540e-15
 9.67020301e-13 3.01640006e-12 1.14810121e-06 1.28699246e-10
 1.40022291e-11 1.52854743e-11 2.23910931e-10 2.07626374e-10
 3.59259761e-10 1.24187882e-10 6.19188945e-14 1.60480370e-14
 7.78634833e-14 1.35086248e-10 7.29322436e-11 1.21319794e-11
 6.99732562e-14 1.72932718e-12 3.90339047e-13 6.07276507e-10
 2.89684777e-07 4.61567090e-10 8.07817693e-15 6.78479772e-10
 1.39481024e-13 6.44892234e-13 1.55737229e-12 3.40295045e-12
 2.53150029e-10 8.88889610e-18]


0.9999938


1


[2.3624477e-10 1.1554514e-08 6.9791666e-13 3.5156583e-12 4.4526422e-12
 2.0418650e-15 1.4858491e-12 4.9261519e-09 9.1816714e-11 3.3235575e-13
 2.6322186e-15 4.5417750e-10 3.7713321e-09 8.9676081e-15 1.9966559e-14
 4.1786339e-13 3.1147038e-10 7.0130013e-11 4.2791923e-11 2.1947021e-13
 8.1974255e-13 1.7205924e-13 1.8659248e-11 3.5739353e-10 4.6104631e-11
 7.6327607e-12 1.6621243e-12 6.7206288e-12 9.0071262e-10 8.5608553e-07
 5.5418123e-09 8.5270892e-07 9.9999642e-01 3.5957367e-08 5.4399756e-09
 1.1000597e-10 3.5252353e-11 1.2005053e-09 3.0248096e-11 6.9317035e-12
 4.0757894e-10 6.4798171e-12 1.5468402e-12 1.5527866e-06 1.1213804e-13
 5.0438310e-08 5.2039015e-11 2.2729697e-11 3.3505064e-13 4.2516573e-13
 8.2209176e-08 1.0656116e-12 1.1023692e-08 5.6940303e-11 7.1107098e-10
 2.9781255e-14 1.8492511e-11 7.6650309e-12 1.3166111e-07 7.9446909e-12
 1.8248538e-11 1.8398462e-12 1.2760575e-10 7.4887136e-12 2.4479961e-11
 5.0913852e-12 3.6582922e-13 2.5928264e-13 3.0836015e-16 1.3360749e-11
 2.1669962e-12 4.9475899e-14 4.1312140e-12 2.9969652e-13 8.2257741e-13
 9.5570244e-12 3.1323191e-11 4.1949328e-09 9.2050619e-15 7.7355004e-08
 1.3365484e-12 4.1917716e-14 5.4473700e-16 3.8364540e-13 2.1595312e-09
 1.4988214e-14]


0.9999964


32


[1.02678655e-06 4.12537192e-12 2.77520671e-12 4.92168917e-10
 8.46768489e-12 6.24138667e-14 3.55246236e-12 6.50792181e-12
 4.12487267e-10 2.98568765e-12 7.70337756e-15 6.78297557e-11
 1.79043669e-10 5.81440104e-12 7.16787574e-10 1.94456939e-09
 1.71745090e-10 7.76660329e-07 1.04994982e-08 1.42198830e-09
 1.58701663e-10 6.93477567e-11 1.59972990e-09 2.64286037e-10
 2.38058284e-09 1.35443815e-12 2.11572530e-11 1.19241048e-10
 1.11105464e-06 5.35284489e-05 1.07115667e-08 2.12429700e-08
 1.41750331e-06 9.99941230e-01 3.94817912e-09 1.89482758e-08
 2.21298136e-11 5.34455546e-09 2.45959531e-10 3.41480488e-09
 2.12795896e-08 2.58168157e-11 7.56323931e-13 1.41856290e-07
 1.48263693e-11 1.43345665e-11 4.03085965e-09 9.07690534e-10
 1.37389435e-13 2.06791534e-13 6.16879436e-09 9.48244372e-14
 4.07107223e-07 2.04927082e-11 7.91691213e-10 1.94929836e-11
 5.83484017e-09 1.94280370e-10 1.65496530e-07 3.36241798e-11
 1.59019660e-08 2.42455327e-11 4.41144969e-08 6.08802431e-09
 2.51369394e-11 1.64667853e-08 5.46594159e-11 7.78559752e-14
 4.81723053e-15 1.34208811e-10 4.26555753e-12 7.82254990e-12
 4.29122626e-10 2.31130978e-12 2.61434790e-10 2.50757554e-10
 2.76462447e-12 9.55679758e-10 6.63857747e-10 6.14322621e-11
 3.35713291e-10 1.73709639e-13 6.88029364e-12 4.50997373e-14
 5.16115033e-11 2.74312062e-12]


0.99994123


33


[9.9999535e-01 2.6512270e-11 1.0280477e-11 2.4537152e-11 5.5387411e-13
 6.4659725e-15 2.6502943e-13 2.7720043e-11 3.9158257e-10 1.7811993e-11
 6.9061137e-14 1.5447262e-10 3.0147941e-12 5.5538824e-12 2.9876439e-08
 2.2045406e-07 8.4023441e-11 8.5695170e-08 3.2399253e-10 3.3008429e-09
 3.9440398e-10 8.6639845e-12 1.5864050e-08 7.3603355e-09 4.3720202e-10
 2.1710771e-12 3.4970041e-11 2.2140943e-10 5.5695939e-08 1.9650214e-07
 1.0417598e-08 1.6864716e-09 6.5263862e-08 1.0635903e-06 5.1599094e-09
 2.1888673e-06 2.8358665e-12 3.1803515e-10 4.1435325e-10 4.5208317e-09
 6.3027055e-09 2.3879766e-11 4.0679543e-11 7.4456231e-08 3.5165752e-11
 2.9131225e-13 1.3102178e-09 1.1107485e-09 7.5094804e-14 1.8900260e-14
 9.9517861e-10 1.5926143e-15 4.7429037e-07 1.2464321e-10 1.6336339e-09
 1.0161312e-10 1.8959222e-10 2.1742846e-12 1.0858137e-08 2.4938607e-09
 6.6111494e-10 4.2782841e-10 7.6712112e-08 2.2884581e-11 1.5620887e-10
 2.1733830e-10 1.8809571e-13 1.5692532e-13 4.8408180e-13 3.7446997e-09
 8.0177903e-10 6.7649336e-10 3.3299520e-12 3.9705992e-11 1.2532508e-09
 1.8427811e-11 1.2614472e-10 3.6035648e-09 1.5650455e-08 2.2894764e-10
 1.2423852e-10 9.8850116e-13 3.6030529e-11 2.0176607e-13 1.4226919e-09
 9.7478781e-14]


0.99999535


0


[3.2647287e-05 1.5929266e-09 1.2498637e-09 7.1864150e-07 2.1410815e-09
 1.5787004e-05 1.7535416e-07 1.7385874e-12 7.4834077e-09 5.5061959e-09
 6.3394667e-09 9.9467513e-08 2.2655634e-10 2.9056753e-06 2.2485772e-05
 1.7354509e-07 4.4988223e-08 6.1621708e-06 3.1621312e-08 5.4117624e-08
 1.3962730e-07 3.8619858e-09 2.1680067e-07 3.4825263e-08 2.1807812e-08
 3.6845126e-06 4.1498430e-11 1.0813332e-08 7.8212233e-06 1.1460138e-06
 2.5379617e-08 1.4825275e-06 1.3336724e-08 8.6850457e-07 1.4404861e-10
 1.5024778e-05 3.1986851e-08 2.2338505e-05 2.6913049e-05 1.5334652e-05
 4.3442048e-02 1.9568967e-10 1.8626592e-07 3.4420018e-03 4.3263928e-08
 6.3503069e-10 7.6237204e-04 1.5381271e-07 5.5206342e-09 1.6378001e-08
 3.6624243e-08 5.7894942e-09 9.5214987e-01 1.2069594e-07 1.9518136e-07
 1.6360797e-08 1.2340765e-11 3.5643300e-12 2.0549405e-05 8.4731981e-09
 1.4818858e-06 4.8221862e-09 8.6459312e-07 5.0170090e-08 5.2143175e-08
 8.6318721e-08 9.8085582e-07 1.0920686e-10 1.6900488e-10 3.7684977e-08
 1.0983005e-09 5.7192812e-10 4.3125002e-07 8.3001922e-08 1.1926942e-07
 6.9376107e-08 2.5620013e-09 7.1106705e-08 1.0707766e-06 1.2467921e-09
 5.6429896e-09 2.9819427e-10 4.7245649e-08 2.8697511e-11 5.2192706e-07
 3.9419554e-11]


0.95214987


52


[1.44886755e-07 3.72622168e-07 1.10030181e-14 1.97454428e-10
 1.12860982e-14 3.51351623e-08 2.09714042e-08 2.44183666e-12
 1.14811438e-09 1.83807122e-10 2.33861975e-11 7.92529931e-11
 4.99554282e-08 6.63481572e-08 8.86309590e-06 8.13727835e-11
 8.47960729e-11 3.99767691e-10 1.71341306e-08 2.74872525e-09
 2.92263969e-09 3.58282151e-08 1.97479186e-11 1.45131587e-10
 1.35828282e-09 9.99961019e-01 1.50437544e-11 3.13742630e-12
 2.37297118e-05 3.05908173e-07 8.06811475e-12 3.10077658e-10
 4.82301594e-08 5.14145428e-11 7.34144462e-14 6.12485340e-10
 3.49879223e-11 6.46786669e-09 4.89877783e-09 8.19599055e-10
 3.70837370e-08 2.40825915e-10 6.01186656e-10 6.68949411e-08
 8.91725712e-13 1.34839709e-12 3.65725605e-09 5.73067982e-10
 5.01155671e-12 2.47781223e-12 7.13126225e-11 2.32751401e-10
 3.70434606e-07 9.55998729e-08 1.48765977e-08 7.98274513e-09
 8.56201655e-12 6.38998352e-15 2.40500575e-09 8.23315027e-11
 3.19337912e-09 9.42568038e-11 6.91824766e-07 2.59315036e-09
 1.15729294e-10 3.03941370e-08 1.21841592e-10 7.46221401e-12
 3.55056332e-11 3.30920202e-09 9.79024482e-15 4.50039828e-09
 6.05140715e-10 2.46981584e-11 5.30102073e-11 3.93999107e-06
 3.86738641e-10 1.54426515e-12 1.63814262e-09 1.00309205e-11
 3.96449757e-12 1.65984882e-11 3.94328528e-11 3.68401443e-09
 5.41974607e-08 4.49406544e-14]


0.999961


25


[8.5315492e-07 3.9815614e-08 1.3551172e-13 3.9080818e-12 4.6841177e-13
 1.0056766e-13 2.5195264e-11 5.8840910e-10 5.9193408e-08 3.0555383e-10
 1.8756601e-14 8.9360119e-10 2.4507694e-09 1.8357735e-12 7.6649131e-09
 1.2362016e-09 3.0132721e-10 1.4657943e-11 3.4196939e-09 4.4103398e-08
 3.2782646e-10 2.4242613e-08 7.0345947e-12 8.6768246e-09 3.1058828e-10
 4.7786051e-07 2.2319990e-10 1.5812245e-10 9.9997187e-01 6.0094276e-06
 2.9971482e-06 1.7165769e-06 9.3246163e-06 2.9745305e-08 1.7988995e-09
 2.0995294e-07 8.2810238e-11 1.8408928e-08 1.3348099e-10 1.3466373e-06
 4.3849142e-09 2.5119525e-07 3.6384295e-11 2.3914510e-09 2.1748548e-13
 7.5719414e-10 3.2889025e-06 3.3357304e-07 1.1805973e-10 2.4144724e-13
 4.2180246e-09 6.9755548e-15 3.4517516e-09 1.5800217e-10 7.3151745e-07
 1.1345322e-09 3.2533763e-12 8.3202314e-13 9.2957091e-09 1.5104593e-10
 2.3424590e-10 1.5881312e-10 2.3208697e-08 6.3687692e-12 5.4678146e-09
 5.1628025e-12 9.5543699e-15 5.5346092e-13 3.0219082e-12 8.4630120e-10
 1.9479734e-13 3.2449670e-08 2.4437979e-11 3.1947084e-11 3.3153501e-11
 2.6476590e-10 4.1046269e-09 9.2493053e-12 2.9000164e-12 1.6028136e-07
 9.4824986e-14 1.5370420e-11 8.4161237e-13 2.4841071e-10 1.4896756e-07
 3.6068442e-12]


0.99997187


28


[1.32773945e-04 2.45053151e-08 2.18963216e-11 7.96497268e-09
 2.51124121e-10 1.58282079e-13 6.21729890e-11 3.64099195e-10
 3.11329140e-09 1.34661548e-07 1.35656365e-11 2.74763920e-06
 1.39205730e-10 5.92817670e-11 5.36428597e-05 2.47956429e-08
 5.94031324e-10 1.62387403e-06 4.40893615e-07 1.88245338e-06
 1.25126881e-10 4.93553776e-09 4.55836840e-10 8.73197514e-09
 6.69762634e-10 6.68677724e-10 4.53258230e-11 9.91278067e-12
 1.11185262e-04 9.99689341e-01 4.88479657e-09 4.07093559e-09
 1.84267321e-08 1.02447260e-07 1.10583065e-09 1.79007344e-07
 1.10771940e-10 1.23043087e-09 5.48053478e-11 7.41150830e-09
 2.51833789e-08 1.74701378e-10 9.66741010e-12 7.35932495e-11
 1.03369960e-11 3.22733539e-13 8.60759108e-09 1.58559124e-10
 3.62159712e-11 3.30700772e-14 1.29647812e-11 2.59035698e-15
 4.93467822e-10 1.15773068e-11 7.13774062e-09 1.97624743e-08
 3.17258437e-12 3.29551636e-10 4.14335091e-08 7.01051606e-10
 3.09795709e-08 1.18483010e-08 5.59047612e-06 8.00438327e-10
 4.66789163e-10 3.15652322e-08 1.26965721e-11 3.70634540e-13
 3.58210857e-11 5.57655149e-08 4.99580689e-11 4.48006254e-09
 3.47405354e-10 8.27149016e-10 2.15327649e-08 1.06819095e-10
 3.26730837e-10 1.84895654e-09 6.83937240e-10 2.73004230e-10
 1.78810786e-11 1.05980285e-11 4.54705995e-11 6.17431939e-11
 7.83812766e-08 6.71611421e-13]


0.99968934


29


[9.9905115e-01 3.4211227e-09 7.8153759e-09 1.4281948e-08 2.4851910e-11
 1.7140215e-14 1.7911421e-12 2.5086283e-10 6.1023279e-08 5.5012581e-09
 2.8532704e-12 2.8060095e-08 1.1300094e-10 4.6167011e-12 2.0372582e-07
 6.3338092e-08 3.5687271e-09 8.3958490e-08 6.1124328e-10 2.0091176e-07
 2.4427788e-10 2.0918389e-11 1.1032361e-08 3.5930778e-08 2.0149736e-11
 3.3686071e-11 2.1527763e-08 1.6435276e-09 4.4936722e-05 1.0367416e-04
 7.3446822e-04 8.3933060e-07 2.2274382e-06 6.9791975e-07 1.5078051e-05
 4.3705910e-05 1.8572663e-10 6.8561881e-09 6.9233025e-08 1.3664285e-07
 7.8620161e-07 2.5329048e-09 1.1787096e-10 1.6350608e-09 6.3432294e-11
 3.1431583e-11 1.0285670e-07 1.8216777e-09 4.3496851e-10 6.1275751e-13
 1.7627099e-09 2.2243619e-14 1.5626824e-08 5.7580896e-10 5.8361469e-08
 3.0592202e-09 2.4513763e-10 3.1258637e-10 1.2047890e-08 2.9054334e-07
 1.0794083e-07 1.2813639e-08 3.8439214e-08 2.6382979e-10 1.5108123e-08
 2.8982873e-11 9.0092071e-14 3.6084113e-13 5.9350047e-10 1.6961519e-09
 3.5834958e-08 6.2982792e-09 6.3122207e-12 1.0006299e-08 2.6160173e-08
 3.0287016e-11 3.5791672e-07 2.1875913e-08 6.8691303e-10 5.9219021e-09
 8.1792101e-11 3.1245687e-11 5.1582626e-13 6.7666296e-11 2.5210292e-07
 2.1581051e-11]


0.99905115


0


[1.98496127e-06 1.83584675e-10 6.45344722e-10 1.90228818e-07
 7.31149052e-09 3.25040702e-07 2.40545139e-09 2.04372669e-14
 1.93382665e-09 3.44755646e-09 2.05069006e-09 7.22901072e-09
 1.04948871e-11 1.17213625e-08 1.01771533e-04 4.17012735e-09
 8.29789304e-09 1.56306882e-07 1.40395535e-08 5.73876150e-07
 1.67636360e-09 1.26967752e-08 4.93596701e-07 3.45814151e-08
 4.09667544e-09 3.32249874e-06 5.59272975e-11 6.07330575e-11
 4.55497080e-08 4.51835194e-06 1.90903791e-07 1.29450910e-07
 4.37360814e-09 1.72585175e-07 1.94275462e-09 1.28224747e-06
 6.57689370e-09 8.59329248e-06 3.09595140e-03 5.20375943e-05
 9.96324956e-01 1.18162169e-09 1.50911073e-09 1.31463094e-06
 9.12750375e-10 1.13738609e-10 7.29453968e-05 1.13301617e-07
 9.68829461e-09 5.69108594e-10 6.18786300e-10 6.53662180e-10
 3.27400950e-04 2.53682658e-10 2.39137634e-08 4.96286900e-10
 5.57763674e-14 7.52876169e-13 1.53855613e-08 7.42683859e-10
 7.39457251e-09 1.73593573e-09 8.81001050e-09 8.79737030e-08
 1.29780697e-09 9.69118787e-07 7.28995864e-10 2.35220979e-12
 1.05527011e-10 1.43425188e-10 2.23494112e-09 5.50597234e-10
 1.50197776e-09 2.27905765e-08 1.43866732e-08 1.32488398e-09
 1.15543394e-10 5.20550825e-10 1.42701609e-07 9.53749493e-12
 1.60263816e-10 2.50829427e-11 1.55592102e-11 1.22656659e-12
 1.03719664e-07 1.17716134e-12]


0.99632496


40


[2.4611793e-08 6.5046035e-10 1.0460728e-14 7.8890261e-10 2.2965131e-13
 4.6805930e-08 2.0131037e-10 1.6704897e-16 7.5014024e-14 4.9264629e-13
 2.1856399e-11 2.4758455e-12 4.8270155e-12 1.2014557e-10 2.9308903e-06
 4.9709195e-13 2.2559862e-12 3.7910018e-12 1.0746207e-09 5.2622684e-09
 2.6120543e-11 4.4450559e-07 3.1047144e-11 3.2313141e-10 1.8527335e-10
 9.9999475e-01 3.0982321e-14 2.2563755e-14 1.0555395e-09 1.0774566e-10
 3.8724858e-13 3.4355424e-12 2.4001640e-10 1.4813755e-12 3.7343761e-13
 7.0263882e-12 6.2769226e-12 7.9077175e-11 8.2945002e-09 4.7860389e-11
 1.7350862e-06 2.7247135e-12 3.3387182e-13 3.6044494e-09 1.9072726e-15
 2.9125526e-14 1.7667051e-09 8.0656370e-11 4.0554832e-13 1.4981880e-13
 4.9035325e-13 9.5347993e-11 1.7859023e-08 3.8046779e-12 1.8673502e-10
 1.2901278e-13 1.4347662e-16 1.2599798e-17 1.5242350e-10 2.2299362e-13
 2.5003996e-12 1.8891329e-12 9.8599195e-10 2.3227185e-10 1.2585954e-11
 1.7736942e-09 3.6914295e-11 2.9215213e-14 5.6596373e-13 4.2138751e-13
 1.1781480e-13 1.5543771e-11 1.1878970e-11 7.4047978e-13 6.7803597e-12
 1.5753824e-09 3.2453935e-12 1.0899831e-13 5.1063322e-09 1.7117247e-14
 6.4961807e-15 4.9109900e-14 6.3703567e-13 2.5005559e-13 8.2461471e-10
 1.5563847e-16]


0.99999475


25


[5.3412323e-09 8.4649544e-12 2.1833767e-11 6.1400074e-10 1.8006402e-08
 3.2251883e-09 5.5830168e-10 4.9164340e-14 7.1247808e-12 1.0295126e-11
 4.0813575e-11 1.3010239e-11 4.4950113e-11 6.6435163e-10 3.2889195e-05
 2.7219846e-09 2.4407384e-06 1.1875791e-08 3.3803393e-05 5.8598681e-03
 3.9539998e-07 9.9404800e-01 5.3045106e-09 1.1457159e-05 3.4085335e-06
 8.8607294e-08 1.2439842e-11 1.2323650e-11 4.0595050e-06 3.8104777e-09
 9.4396338e-11 3.4205279e-09 1.6590198e-09 1.4880636e-09 4.9795706e-10
 6.1892202e-08 4.2833617e-09 5.1489067e-08 1.9279301e-07 1.8514359e-07
 1.0110845e-06 7.2143372e-08 5.2302040e-10 1.1928823e-08 1.4258567e-11
 8.9483748e-10 1.3934130e-07 1.0335347e-06 7.7675016e-10 3.6273352e-11
 9.8938024e-11 1.0783259e-10 1.9159346e-08 4.6224819e-11 8.5112006e-10
 1.2782541e-11 1.5843941e-14 1.1475560e-15 9.3741193e-09 1.1012873e-11
 5.3265597e-10 3.4834604e-11 6.1682609e-10 3.3848487e-11 1.5178261e-10
 6.1068839e-10 1.1769283e-09 2.1511466e-11 2.3327654e-10 1.9855553e-10
 1.9161191e-10 4.9462195e-11 2.6416405e-10 7.7062312e-10 2.5637292e-09
 1.3588458e-10 6.1966057e-11 4.4740125e-11 8.0926185e-07 2.8836591e-10
 4.3775758e-13 1.2535799e-12 1.2085272e-10 9.5667840e-15 2.2743519e-12
 1.1644542e-11]


0.994048


21


[3.31296306e-08 4.26902318e-08 5.05709027e-13 5.54164596e-11
 1.75688318e-11 3.11615512e-12 2.10619786e-11 1.14476223e-14
 1.37083024e-14 1.26075864e-12 2.40188303e-11 3.28675975e-09
 3.29052296e-13 2.48500907e-11 9.99999762e-01 2.94510007e-11
 3.58346131e-14 9.08714130e-13 6.97649882e-10 1.38179956e-08
 2.47941641e-12 1.14680905e-08 1.32317171e-10 2.53621586e-08
 8.48905479e-09 9.45980716e-09 5.32823026e-15 1.13214995e-15
 7.04415637e-10 2.45817283e-10 3.61557665e-15 6.34554432e-12
 2.51155731e-13 1.87181068e-13 2.10027643e-15 2.87408400e-12
 3.09462905e-13 1.05591920e-13 2.55152843e-12 1.06425684e-11
 3.37041645e-11 4.61068290e-14 8.62929384e-15 1.46538250e-11
 6.41888555e-16 8.48915817e-15 1.09648339e-10 8.53314435e-13
 3.25194380e-14 3.36448729e-15 1.07964242e-14 5.61159031e-15
 2.22116249e-11 4.19672096e-14 6.14267248e-11 4.10688063e-12
 8.44946694e-19 3.25221146e-17 1.92755492e-10 8.18598921e-12
 2.17873636e-12 8.85887772e-13 1.13742615e-09 3.80428843e-13
 3.49216200e-14 1.30015001e-11 4.96519275e-13 9.18860240e-15
 1.70929449e-12 1.79944460e-12 3.23518729e-12 9.58547911e-12
 1.25686735e-11 2.56296134e-12 2.66586644e-12 2.69552963e-10
 2.60405716e-12 1.31198511e-15 2.78046215e-11 1.03564794e-13
 2.88398440e-16 7.73925059e-14 8.26634876e-13 1.79748901e-16
 1.04869380e-09 9.16842111e-18]


0.99999976


14


[1.1025534e-06 1.2281321e-11 2.7146252e-11 2.5410651e-11 1.8236718e-10
 1.5987263e-13 1.5014840e-12 8.4410370e-14 6.3868448e-08 7.3316977e-11
 2.6536724e-12 2.5795421e-10 1.9198729e-10 1.9810219e-12 4.5086998e-07
 1.2750055e-08 1.7222230e-07 4.9375726e-09 3.5526373e-09 2.7991844e-05
 9.8347229e-08 3.5229525e-06 9.2779111e-08 9.9996412e-01 3.4625536e-08
 4.9561456e-11 1.6438285e-09 3.8930648e-10 3.3731712e-07 4.8311971e-08
 1.5949778e-08 1.6263687e-07 5.1526938e-10 9.9439823e-10 9.4824673e-09
 1.4117602e-06 8.3337748e-10 1.5058783e-08 3.0323688e-09 3.5342578e-07
 4.0613894e-09 9.2154856e-10 1.5121829e-10 1.6527846e-10 1.2483472e-09
 6.2370879e-11 2.4369870e-08 7.2362325e-09 1.4512540e-10 4.8492638e-12
 2.2767416e-10 1.2603331e-13 2.7085031e-10 2.2664764e-11 1.6815601e-08
 9.5584385e-10 2.1275974e-12 1.2577361e-11 2.5257212e-09 7.8540130e-10
 4.3991191e-10 1.8582110e-11 1.1317520e-10 3.0401881e-12 1.3464091e-09
 5.5021276e-13 3.1916226e-13 2.5511357e-12 6.7867670e-11 9.9897104e-12
 3.1750387e-11 1.0509326e-10 5.1788554e-13 1.6755659e-09 2.0787192e-09
 3.6818495e-12 2.0136321e-11 5.5478864e-12 2.2499851e-10 1.9422230e-09
 9.0610687e-12 2.2130952e-11 1.3313625e-13 1.1111932e-12 9.3667927e-09
 4.7638385e-13]


0.9999641


23


[9.99986291e-01 7.00986769e-11 2.06119496e-10 6.03894934e-09
 1.19416076e-12 1.69649939e-13 2.08874723e-11 3.48059933e-13
 7.47841522e-09 1.99425712e-10 9.63802128e-12 1.37324119e-09
 9.65225989e-12 8.73570938e-11 1.25506816e-07 1.02333551e-07
 5.33755040e-10 1.37122385e-08 4.30045548e-11 3.00677350e-08
 4.41701031e-09 1.22034674e-10 8.98772115e-08 9.78891239e-06
 3.90674479e-08 1.01368428e-11 2.34863773e-08 1.71875292e-11
 1.53854415e-07 2.29853597e-07 3.72922386e-07 7.88281653e-08
 1.32117801e-08 1.08058291e-08 5.57941036e-08 5.67489678e-07
 4.74417207e-11 2.80230417e-09 7.27228610e-07 2.43789287e-07
 9.58810809e-09 6.57530835e-11 2.03837475e-10 1.34916194e-08
 4.48750676e-10 6.60593932e-12 1.19215375e-08 2.83485013e-09
 4.29489777e-11 6.94377349e-14 1.38371536e-10 7.20203384e-14
 2.11212137e-09 2.34316195e-11 5.81713770e-08 4.38728442e-10
 2.83730869e-11 3.14517058e-11 6.54186483e-09 9.66271863e-09
 4.80183324e-08 6.41427467e-11 2.45308378e-08 3.76646665e-11
 1.17207890e-07 2.91726088e-09 3.46570255e-12 5.76934388e-13
 8.53538143e-11 1.54481816e-10 2.15441020e-07 3.91447597e-10
 1.40597072e-12 1.80997339e-09 9.25689581e-10 3.62275401e-12
 1.72407377e-09 1.35651523e-09 6.10543971e-09 1.18195887e-11
 1.87436681e-11 6.97433561e-12 1.53616148e-11 8.59517806e-14
 5.71529426e-07 5.61077118e-13]


0.9999863


0


[1.1655806e-06 1.3787297e-11 1.3022491e-11 5.8548790e-07 3.4268441e-10
 9.0752089e-08 1.4837274e-11 8.2320162e-16 4.3534599e-12 2.8318094e-11
 1.0926874e-10 6.3132874e-11 1.5996709e-12 2.1743037e-10 2.6435611e-08
 7.1609181e-12 6.5256268e-12 4.5335571e-10 1.2032348e-12 6.2192272e-11
 2.5232552e-11 1.8521086e-11 1.2951024e-08 1.3733245e-09 1.5725997e-10
 1.6982415e-08 1.6523310e-11 4.9659881e-12 3.3907241e-08 1.8380514e-09
 1.2375920e-09 1.5077640e-09 3.1943848e-09 1.4347677e-08 1.7170715e-11
 1.9014499e-09 1.5897892e-11 2.5966349e-09 9.9993443e-01 1.0422435e-07
 1.1828326e-05 2.7563457e-11 6.8944284e-10 4.8492617e-05 5.5220950e-10
 8.1147276e-11 4.0012077e-07 1.4831969e-09 1.3886424e-11 4.3043107e-11
 3.0171187e-12 7.3837932e-12 2.5752699e-06 5.9866216e-11 6.8814215e-10
 1.8503397e-11 3.4618743e-13 6.4036646e-14 1.4585423e-10 5.9363270e-12
 2.2034131e-08 5.2960591e-11 1.6671523e-08 8.7634305e-10 1.5023822e-08
 6.9957373e-10 4.4095348e-12 2.7303954e-13 1.1995050e-11 7.9189259e-14
 3.5059625e-10 6.1520076e-13 4.8444904e-11 3.0678710e-12 3.5273526e-10
 9.4126521e-12 3.5099080e-11 2.8887689e-11 1.2633844e-08 8.2016825e-14
 1.8051011e-09 4.4285311e-13 1.7752007e-10 1.1321793e-12 2.6405829e-08
 8.1571306e-13]


0.99993443


38


[6.49646609e-07 7.11908710e-09 3.32664291e-15 4.31316423e-08
 6.22583108e-15 1.29639432e-07 5.56748614e-12 1.76337309e-15
 1.23941504e-12 9.60414690e-13 3.92378317e-11 3.51594665e-12
 3.45503877e-12 1.91897453e-11 8.94783270e-09 4.62692967e-14
 3.14275244e-13 5.57714985e-11 1.47738332e-11 6.35096351e-11
 2.17935756e-11 1.17949472e-09 1.09497238e-11 4.62509267e-11
 6.82114365e-11 9.99990702e-01 7.68791628e-12 1.24699513e-13
 1.77085528e-08 6.36805664e-10 1.50285506e-10 4.40519366e-12
 5.76489345e-09 2.23377011e-10 2.56371209e-11 3.77979696e-11
 1.31526506e-12 8.03201082e-12 6.25968187e-06 1.78708590e-10
 1.24295511e-07 1.01113016e-11 5.26376755e-11 1.84746489e-06
 9.71194154e-14 1.09128079e-13 4.04244638e-09 8.32620708e-11
 1.00035659e-12 1.67575738e-13 6.07864724e-13 1.58791882e-10
 1.26855300e-08 1.24197848e-11 1.56873448e-09 2.53331942e-13
 9.72138060e-13 1.41884719e-14 7.20703705e-11 3.93552405e-13
 3.59198192e-11 6.84158372e-12 5.63103058e-08 1.10116871e-09
 4.56294647e-09 3.62088803e-10 1.94070427e-13 6.77162726e-14
 1.79679171e-11 9.84262449e-15 5.47819643e-14 1.74085277e-11
 2.06130447e-12 4.43623681e-13 1.91707869e-12 3.59796082e-11
 4.12905333e-13 8.25829612e-14 3.10544546e-09 6.80061747e-15
 1.26999561e-12 8.23401067e-14 7.22509483e-11 2.54471721e-11
 4.46133051e-08 1.38717898e-16]


0.9999907


25


[2.35003990e-05 4.30208104e-07 1.53971726e-07 9.38677488e-07
 2.29485007e-11 4.21031388e-09 8.07581169e-10 1.06798801e-08
 1.39021377e-05 5.47442713e-09 3.50658955e-12 2.94562224e-08
 4.34182084e-06 1.30897482e-09 9.81439485e-10 5.07325012e-07
 1.15831135e-07 2.62404605e-08 1.60041602e-09 6.56715429e-08
 4.77842228e-08 1.14579095e-07 8.59901945e-08 2.78065795e-06
 1.37947707e-08 2.70558722e-08 4.31788976e-07 2.52068133e-07
 3.50962698e-01 1.31308602e-03 3.79318334e-02 4.04062688e-01
 2.43405979e-02 6.50358666e-03 1.73801765e-01 1.25865254e-05
 1.32985906e-06 6.29969645e-06 1.38013187e-04 4.53124194e-05
 3.09012394e-05 9.01776457e-06 4.42381946e-07 2.53505685e-04
 2.82222970e-07 5.00283204e-06 2.25310243e-04 1.46618244e-04
 5.07515665e-07 1.38964964e-08 1.52430057e-05 2.82129431e-10
 1.28647598e-05 4.74372586e-09 1.07812207e-06 1.69377863e-08
 1.14759587e-06 3.63100162e-06 1.20888499e-05 9.82784604e-06
 2.77278514e-06 2.71314657e-05 9.66648804e-06 1.08157145e-07
 8.76137256e-06 1.62082081e-08 7.59929675e-10 2.75673031e-08
 2.05862420e-08 9.17703780e-09 1.83905445e-06 3.31518095e-07
 5.80476183e-07 2.06827565e-07 1.52898565e-07 5.05558706e-09
 5.03626870e-06 2.28809567e-05 7.30626297e-08 2.26107404e-05
 3.19782828e-07 2.08765147e-08 1.25332873e-08 1.46851932e-07
 2.12083478e-06 8.76089956e-09]


0.4040627


31


[9.98575211e-01 4.80404524e-05 3.39819444e-08 5.73656507e-07
 3.94771320e-13 5.40724887e-09 1.95380059e-10 8.51134788e-11
 1.90405313e-11 1.85587956e-09 3.09424208e-10 3.27775365e-06
 5.78699892e-12 1.01322850e-09 1.10741676e-05 2.03943998e-07
 5.24683352e-10 2.80853225e-08 1.03534115e-09 1.81383231e-09
 2.49873927e-10 2.24557352e-11 1.89462810e-06 7.38704209e-09
 4.15777546e-09 1.54237345e-10 4.62252077e-11 4.95099899e-11
 2.19439400e-09 6.54390959e-08 1.60889760e-10 3.83609855e-09
 4.30275177e-10 1.09370672e-10 9.07516173e-10 2.86152169e-09
 2.82982304e-10 1.00699865e-11 2.43434943e-08 4.17357970e-09
 1.02396882e-08 4.65754442e-13 7.35211822e-11 1.49072657e-05
 1.87416176e-11 3.28125895e-12 1.97730202e-07 2.55688304e-10
 2.30413648e-12 1.79730959e-12 1.81893719e-11 6.97989084e-13
 6.11061068e-08 7.16556198e-12 3.30090728e-08 6.54032273e-10
 6.91087324e-13 1.24046108e-12 6.91892197e-08 1.92850598e-06
 9.59590463e-11 1.21768728e-08 7.65619816e-08 5.10969267e-10
 4.31877485e-11 3.00051575e-08 1.32043515e-10 1.99220458e-12
 2.34212066e-10 8.44979766e-08 1.34142046e-03 9.19325149e-09
 9.45058520e-09 2.15988294e-07 6.35591801e-09 2.39604936e-09
 2.36149078e-09 5.22881649e-08 1.80043536e-08 2.31185113e-10
 1.70009562e-11 5.45593681e-10 1.10274051e-07 6.14441007e-12
 2.30086371e-07 1.63438523e-12]


0.9985752


0


[4.10615894e-06 6.04648562e-07 4.73248093e-07 2.99031144e-05
 1.04328018e-10 4.02302903e-05 1.24904194e-08 3.41630300e-11
 1.22213265e-07 9.12702589e-08 4.14389900e-09 2.77896350e-09
 2.88429902e-07 2.04546154e-07 4.89162687e-07 3.17126170e-09
 1.23176835e-09 6.32733477e-10 3.01632219e-10 4.88823160e-09
 1.48338375e-09 3.39206663e-10 1.64891091e-07 7.84151144e-09
 2.10449547e-10 1.80208724e-06 3.51721008e-09 6.85355150e-09
 2.36302963e-04 9.71551981e-06 2.18989307e-08 1.71929387e-05
 1.41767237e-06 7.41216400e-06 1.02320791e-06 2.33300602e-06
 1.71353758e-08 1.11681075e-07 4.57363421e-05 3.46718480e-07
 4.49376530e-05 3.17948623e-09 6.56292514e-08 9.99364436e-01
 2.79002776e-08 1.19726229e-08 8.62190063e-06 4.81822383e-07
 2.55471599e-09 7.89506132e-08 1.75013906e-08 3.78550435e-09
 1.44687119e-05 2.02920887e-07 3.32760344e-08 7.89373686e-08
 3.40480710e-08 2.06216288e-09 6.40669386e-05 8.69087785e-07
 5.99711427e-07 5.83405090e-05 2.50518542e-06 2.99960557e-05
 1.08548932e-07 3.83118817e-08 1.53254014e-08 6.64769406e-10
 5.83227300e-10 7.20495941e-10 3.69409285e-08 4.08561052e-09
 1.72959858e-07 4.72282347e-09 4.62418690e-08 2.12994763e-07
 1.50641599e-09 6.66258941e-08 7.17218711e-07 4.30049951e-09
 1.21364634e-08 3.72402518e-08 6.22622838e-06 1.00878648e-08
 2.12778014e-06 2.67589018e-09]


0.99936444


43


[2.19952369e-07 6.31814201e-09 3.71502308e-13 1.34190181e-09
 3.70506796e-16 4.10605878e-07 4.72960178e-11 2.44838939e-14
 6.43545425e-11 4.95434683e-12 4.47325302e-11 1.12983182e-11
 1.16779397e-09 6.85405421e-09 1.18457663e-07 1.42560865e-12
 3.78559380e-13 2.16713670e-12 5.69378433e-10 2.25129415e-10
 3.53978860e-11 2.51648835e-09 1.26334039e-11 8.32744117e-12
 7.31362332e-11 9.99994516e-01 1.25249735e-12 2.84396611e-13
 1.67532551e-06 3.62812047e-09 6.14994871e-13 1.01637605e-11
 8.08019518e-09 3.41520034e-10 9.16623288e-12 1.43469625e-10
 4.56623281e-11 3.91786013e-11 2.57391211e-08 1.69119094e-11
 6.15604350e-08 1.09925853e-10 6.42504175e-11 1.80776897e-06
 4.99146351e-15 1.05466979e-13 9.23197341e-09 1.67854697e-09
 5.53808193e-13 6.64334093e-13 7.09050041e-11 4.04440093e-11
 4.48771935e-08 3.89579549e-11 2.94429015e-09 2.22080774e-11
 2.43185094e-12 1.35942573e-15 3.05246961e-09 3.75616691e-11
 3.13686438e-10 1.26042687e-09 2.07666737e-08 1.90479224e-08
 1.38522738e-09 7.54304086e-09 5.73238592e-12 3.53890067e-13
 1.70059323e-12 2.38485100e-12 9.78384474e-13 2.74880563e-10
 7.36448180e-10 1.61623458e-11 8.62259656e-12 2.61036064e-07
 9.09193554e-12 2.68516784e-12 1.01597815e-08 6.21831078e-14
 2.83825480e-13 1.81121394e-13 1.11621001e-09 3.36386717e-11
 7.60148566e-07 3.34930803e-15]


0.9999945


25


[3.16327453e-09 5.58090296e-10 3.57879282e-11 4.83142581e-10
 4.56957768e-13 1.35378349e-11 4.46410877e-12 1.04230687e-11
 4.25091940e-07 4.84332279e-12 9.95656482e-15 8.54047832e-10
 1.19646237e-09 1.96195941e-11 1.80364057e-10 1.71957348e-09
 2.72156098e-09 1.61533967e-10 5.05613940e-10 1.14869469e-09
 7.19741655e-10 6.98806735e-10 2.10911497e-11 4.41463005e-10
 3.29065594e-11 5.60464786e-10 1.21094761e-08 7.88385190e-11
 9.99732077e-01 4.69173665e-06 2.24647174e-05 1.88189042e-05
 3.65594843e-07 9.64863489e-07 1.47994415e-05 1.04022959e-07
 9.65154623e-10 8.94847574e-08 2.50869885e-08 2.24529049e-06
 5.00172028e-08 2.11636344e-08 2.16205817e-10 2.92273995e-07
 1.12459304e-11 3.15539861e-09 2.02149109e-04 2.54040827e-07
 1.43582868e-09 9.71644293e-12 7.93516808e-09 5.35288028e-14
 1.08301510e-08 6.69177387e-13 5.98093963e-10 2.40214848e-10
 3.14349553e-11 6.03499846e-12 1.61615183e-08 1.12774967e-09
 1.93937097e-08 3.93489152e-08 2.71152456e-09 3.08100323e-10
 1.34895277e-08 8.87341578e-13 2.23533366e-12 5.12152681e-11
 6.33420122e-11 1.87903339e-11 5.76175052e-10 3.44339099e-08
 3.84506836e-11 1.20440058e-09 9.65476379e-11 7.25803551e-09
 3.79274674e-08 4.73363293e-10 1.31263334e-10 1.85016198e-08
 4.74657466e-12 1.48973084e-10 2.19375178e-11 1.31764766e-10
 2.86151636e-09 4.90296935e-11]


0.9997321


28


[9.9958032e-01 9.2339083e-05 1.0608562e-07 6.7597284e-06 1.8905107e-10
 1.0967738e-07 1.7558432e-09 1.5968118e-09 4.2519421e-08 5.0750565e-08
 3.4037664e-10 5.2908280e-07 9.2388840e-11 4.1583206e-08 1.0813596e-04
 1.5918332e-06 3.9315935e-08 4.2832234e-08 8.8597426e-07 2.0301911e-07
 7.4023094e-09 3.9003506e-08 6.2902382e-07 4.2134391e-07 5.4354441e-08
 1.2574394e-07 7.2982438e-09 5.9081418e-10 4.0612772e-06 4.1965463e-06
 3.5574430e-09 2.5187600e-08 1.7365163e-07 2.3157887e-07 2.3655785e-08
 1.9511825e-08 5.1011599e-09 2.2651983e-09 1.1606726e-08 2.8346415e-08
 2.2672005e-08 2.4908628e-09 9.4665731e-10 3.5385662e-07 1.5702021e-11
 1.7330829e-11 2.4912906e-05 3.8685826e-07 2.4990562e-10 4.2595816e-11
 2.5092151e-10 1.5217235e-11 5.4348976e-07 1.0970906e-09 5.6116644e-08
 4.3575252e-08 1.1849341e-11 1.3584274e-11 2.0577506e-06 1.3141400e-06
 1.2002696e-08 7.1912439e-07 3.7497146e-06 1.8074235e-06 7.8096329e-09
 1.3589038e-08 1.3002804e-09 7.4379232e-11 1.2973473e-09 2.6196616e-07
 1.4720282e-04 1.9179979e-06 1.1030339e-07 1.8625887e-07 5.1675960e-07
 8.6569462e-06 4.7820098e-08 7.1428592e-09 8.5087356e-07 2.1559478e-07
 2.8336983e-10 1.5563574e-08 1.4903370e-07 7.6689116e-10 2.6012258e-06
 1.1353795e-10]


0.9995803


0


[7.19077025e-06 2.82823094e-05 3.97497388e-06 2.84951733e-04
 9.80263604e-09 1.17616594e-06 1.07943251e-07 6.77912908e-08
 7.45299179e-03 9.87411750e-06 7.12510406e-09 1.09691427e-07
 5.68465248e-06 8.04787931e-07 1.08789245e-05 6.55414851e-08
 4.31369855e-08 1.41212064e-08 1.01772422e-07 2.30686680e-07
 1.42291112e-08 9.62771463e-09 4.65797257e-07 3.33080993e-06
 7.16510229e-09 1.56720387e-06 1.73940753e-05 1.63057393e-07
 7.25140393e-01 1.10231200e-02 7.87448698e-06 3.76900611e-03
 4.88754187e-04 2.15882733e-02 1.47690671e-03 1.69806051e-04
 2.76674058e-07 6.82801692e-05 7.30561442e-05 1.21069779e-05
 1.77782029e-04 2.95301697e-06 1.27701685e-06 5.01524599e-04
 1.16245488e-07 1.20849279e-06 9.36765864e-05 2.89959698e-05
 2.13100165e-07 7.45586533e-07 1.80694144e-06 6.75389433e-09
 2.19902668e-05 3.57487409e-07 4.00752725e-07 3.30462126e-06
 2.08340180e-06 7.79952018e-07 1.74682157e-03 5.78203872e-05
 7.41134747e-04 1.29299477e-01 1.63953321e-03 9.19254571e-02
 1.64951803e-03 1.05646016e-08 1.79262489e-08 2.91825614e-07
 1.30719178e-08 5.90158056e-09 1.98123800e-07 1.78249536e-06
 2.70122564e-06 1.00800935e-06 3.52457141e-06 1.81926916e-05
 6.01004402e-08 2.08609777e-06 1.41796136e-06 1.02475015e-05
 4.08275895e-07 2.70681676e-06 3.08246314e-07 2.85659269e-07
 4.08170075e-04 2.88715228e-07]


0.7251404


28


[6.62300522e-07 1.28841188e-04 2.51621235e-09 8.79549020e-08
 7.77366005e-10 3.61753116e-09 7.54612817e-09 1.02739911e-07
 3.24724488e-06 8.76077024e-07 7.46405590e-07 4.50095758e-05
 3.24940083e-06 1.76944729e-06 2.60565281e-01 1.90980245e-07
 9.38505385e-10 4.47506955e-06 1.25270191e-04 1.60629739e-07
 1.34711398e-09 3.96657853e-08 4.40515358e-09 8.32545695e-08
 1.28170443e-08 8.19793568e-05 1.24429823e-06 1.48608226e-09
 1.46471812e-05 9.72727503e-06 2.51172416e-09 1.60897962e-08
 7.67832626e-06 1.18073749e-05 9.19010432e-08 4.76147406e-08
 3.05444843e-08 6.55013110e-08 3.80930665e-08 2.21860859e-07
 1.26056278e-07 4.64653516e-09 2.81671286e-09 1.33480285e-07
 9.29862697e-12 6.43150033e-10 4.81770428e-07 1.06099476e-08
 1.40411043e-08 1.23227949e-07 1.84435596e-08 5.72203146e-13
 1.61176629e-07 7.69054154e-10 9.32033709e-06 9.35066055e-06
 2.71864246e-06 3.32537486e-09 5.64043376e-07 7.57921814e-09
 4.41561497e-05 4.40295980e-06 4.13100788e-05 6.05313762e-05
 5.65141249e-07 4.00194995e-06 1.62366653e-08 2.10238982e-09
 1.66670162e-07 5.80814108e-09 1.24836008e-09 4.20115703e-06
 2.90138416e-07 2.00562980e-08 4.90050986e-08 1.49266597e-07
 8.47085424e-09 1.05082814e-08 2.91984836e-09 1.00226224e-07
 3.32918226e-09 2.19571472e-08 1.44785579e-08 3.54251114e-07
 7.38808870e-01 6.21282192e-12]


0.7388089


84


[5.3727640e-06 8.3283749e-06 1.1278261e-08 9.9920839e-01 6.4659544e-10
 7.2224594e-07 1.7228771e-09 5.8828003e-12 4.9089682e-08 6.6843320e-08
 9.5511410e-10 1.4361272e-10 1.1574111e-09 1.6624309e-08 1.0261926e-04
 8.7224061e-11 8.7537227e-11 4.7175280e-10 1.3889984e-10 1.4282691e-09
 3.8463413e-10 2.6034599e-09 1.8041123e-07 1.0134262e-09 3.4583911e-09
 5.3047494e-04 2.7595704e-08 7.8752183e-10 6.3344887e-05 4.2781699e-07
 2.5486743e-11 5.4194800e-08 3.4888696e-08 1.0059436e-05 4.9166424e-08
 3.6096903e-08 8.2322682e-09 3.8405443e-09 4.9523464e-06 4.6826915e-10
 2.1142861e-05 1.2678717e-09 1.2668269e-10 2.4840599e-06 4.0514437e-13
 1.2673272e-10 6.9678208e-08 1.2868344e-06 8.6883556e-10 9.8908340e-11
 1.8344303e-09 6.8917121e-09 2.6329207e-07 1.5222220e-08 1.6281032e-06
 1.4399618e-10 1.4201162e-10 6.2695433e-13 3.6617988e-07 1.9817120e-08
 4.1705679e-08 6.4082255e-06 1.1985366e-06 1.6238491e-05 1.0463630e-05
 1.6826763e-07 7.6415404e-08 1.2380900e-10 1.4894710e-09 3.4449093e-12
 1.4668853e-09 7.8555919e-11 3.9390311e-08 5.5086419e-10 3.7989811e-09
 2.3629769e-07 1.8667050e-09 1.7901494e-09 1.9278545e-08 4.1195446e-11
 1.2461682e-11 2.1154172e-11 1.5826974e-08 3.0719884e-12 2.6537668e-06
 1.6462751e-12]


0.9992084


3


[6.58327970e-09 1.17320944e-08 1.72528561e-10 4.54456455e-08
 8.77782777e-11 7.75644739e-14 6.24641094e-12 3.11437931e-10
 1.79675212e-07 1.10546717e-12 2.73310241e-14 1.62299167e-11
 5.04559006e-10 3.33918171e-11 4.20757296e-09 9.12983300e-10
 3.89048616e-09 5.44654100e-09 3.08967713e-10 4.23585056e-10
 1.12735177e-09 1.00484454e-10 2.74954670e-10 8.54124771e-09
 3.78469608e-12 6.60680538e-12 4.47291093e-09 1.63180869e-09
 5.77789324e-04 1.72224391e-05 1.71734882e-06 9.99184906e-01
 1.27547282e-05 1.59363717e-05 1.87122161e-04 2.00384349e-08
 5.09044196e-10 1.57854743e-07 2.65065552e-07 3.12768549e-07
 1.36406663e-06 2.05330775e-09 7.16179407e-11 5.84452557e-08
 1.61788638e-10 8.98155861e-09 1.21055495e-08 8.84315980e-08
 2.64099365e-09 6.16747018e-12 2.20116414e-09 5.99043791e-14
 3.84414856e-09 1.56394689e-12 4.45764892e-09 1.71998321e-13
 7.07112424e-11 2.93699232e-11 2.48930765e-09 3.85052479e-09
 3.98620165e-10 7.13234360e-09 2.11237590e-11 1.52036536e-10
 2.29600061e-10 3.47902748e-11 9.99007821e-12 3.22553789e-11
 6.83847423e-11 1.47880527e-11 6.46954046e-10 7.96862522e-13
 1.69544101e-09 8.67077787e-08 4.07477975e-11 1.73818286e-11
 2.47043963e-09 9.74074155e-10 1.22419620e-12 4.17023962e-08
 1.47024979e-11 4.57482496e-10 1.70912600e-13 1.62051397e-11
 1.63601968e-08 1.92707352e-12]


0.9991849


31


[3.8475090e-07 4.7233934e-06 1.2957045e-11 9.9995446e-01 1.5087868e-09
 1.7869964e-11 5.7330708e-13 6.6246525e-13 1.2530009e-13 5.8695621e-10
 2.3201488e-11 1.3419362e-11 4.4910730e-13 3.8482481e-12 3.8928811e-05
 1.4219818e-10 2.1551447e-13 1.7228536e-11 5.1406236e-12 8.6845253e-12
 3.0021808e-11 3.3905784e-12 1.3693548e-06 1.2693842e-10 3.6964850e-12
 1.6827789e-12 2.8541038e-11 1.3470515e-12 1.4643234e-08 1.6761595e-10
 8.6682655e-14 5.1446608e-10 1.9587881e-10 1.1930598e-08 2.9276782e-11
 4.6317047e-11 1.9015892e-13 3.1152307e-15 1.7304090e-10 1.5046145e-12
 5.3813565e-10 1.6944867e-12 3.7585452e-15 6.1546757e-10 4.3854414e-16
 7.1481288e-15 3.7277535e-11 3.0228181e-12 1.0964357e-14 6.5008271e-15
 1.0030123e-12 7.9986636e-13 1.0768605e-10 7.6152808e-12 3.5486005e-09
 9.3426752e-15 3.0960705e-17 6.0281217e-17 2.6442923e-10 2.7177991e-12
 2.4803588e-12 4.9987126e-08 5.2923783e-11 1.4061587e-09 7.6917301e-12
 2.5281592e-13 1.1123450e-11 1.4095932e-13 5.7726352e-14 3.5302262e-12
 4.9450858e-08 1.6137125e-14 2.8040285e-12 4.1812692e-11 1.2958479e-11
 2.2685834e-10 2.3873861e-12 1.0536977e-11 1.8262980e-12 4.0290080e-12
 2.2010310e-14 8.8653687e-14 2.3191223e-11 6.9691563e-15 7.6729716e-09
 5.2115396e-15]


0.99995446


3


[2.96331268e-06 1.24400726e-03 1.93375470e-07 9.42818471e-04
 4.55365294e-11 1.41952650e-09 5.80840542e-10 2.84241366e-07
 3.43831562e-06 5.75115507e-07 5.74120005e-12 2.56950883e-09
 1.68494103e-06 3.82986620e-08 1.70322224e-07 3.70966227e-08
 3.15213772e-10 1.73261150e-09 8.46134052e-10 5.40105649e-09
 2.86410606e-09 1.27579614e-10 2.26312880e-09 2.44541258e-08
 4.79727758e-10 9.29188904e-09 5.39055191e-06 2.37173881e-09
 2.43251666e-01 7.98741239e-04 1.47015669e-07 1.80997327e-02
 7.47828972e-06 1.38464691e-02 4.87061741e-04 1.65384350e-07
 1.65108958e-08 2.03777262e-07 7.06352523e-07 8.17335035e-08
 3.97994171e-07 1.80536404e-08 2.38616793e-09 3.11316171e-07
 1.75075177e-10 2.35276998e-09 1.72991207e-07 1.21797143e-06
 6.05889605e-09 1.06883469e-09 3.04579260e-08 2.11033302e-09
 4.47027979e-08 1.93139542e-07 6.18993965e-07 4.92800634e-10
 1.03625100e-08 3.55089314e-09 5.58710708e-05 4.32626912e-08
 6.03086164e-07 7.15229213e-01 9.95533264e-06 5.98029559e-03
 1.51306531e-05 2.03251957e-10 3.39311046e-09 1.48344892e-09
 2.26795094e-09 2.97697369e-08 2.81041622e-07 1.23825403e-08
 2.96595566e-08 2.38880125e-06 1.30056754e-09 6.08819903e-07
 5.98398628e-07 1.07591961e-06 2.37976372e-09 1.67937606e-06
 3.48502982e-09 3.15664010e-07 1.04728734e-07 1.42105114e-06
 3.20587742e-06 3.94359168e-09]


0.7152292


28


[6.0470416e-07 1.4945747e-06 7.5701433e-07 5.9503855e-05 9.3856777e-08
 3.4518874e-09 2.2039480e-08 6.8318841e-05 4.7494364e-06 1.1889359e-05
 2.4743713e-08 6.3289350e-05 3.6442914e-06 2.8548706e-07 5.6237808e-05
 4.7362715e-07 8.1739920e-08 1.1530548e-02 3.8632152e-03 1.4729915e-06
 9.4386372e-08 2.4321819e-06 1.6877078e-06 1.0505672e-06 2.5051099e-08
 7.8161230e-07 4.0393701e-05 2.4436183e-08 2.8154621e-02 6.6808391e-01
 4.4007433e-07 2.8683360e-05 1.2486466e-05 5.0770398e-02 3.0574307e-02
 1.1761196e-06 2.1860180e-07 1.0437556e-06 1.5230892e-06 8.3233499e-06
 2.2680592e-06 2.4893584e-06 2.3235823e-07 1.4609284e-07 1.0052265e-07
 1.2815048e-08 5.6126332e-06 2.0284851e-06 5.0852043e-07 2.7829407e-07
 2.5544054e-07 2.1852623e-08 1.1003805e-06 1.6863433e-10 2.9623288e-07
 7.5709622e-08 2.0861012e-06 9.9445550e-08 1.4006616e-05 6.6380676e-06
 6.4292699e-03 1.9166104e-01 3.7135187e-04 6.5906993e-03 1.2487087e-03
 9.5659436e-07 1.7336725e-06 6.1221542e-08 2.4030407e-05 2.6376774e-06
 9.9263061e-06 3.0790845e-06 7.3032957e-06 1.7891147e-06 8.7868266e-06
 1.8698940e-06 2.4309773e-07 7.3320931e-05 2.0457815e-08 5.4256378e-07
 7.5756493e-06 1.9213117e-06 6.5558470e-06 1.4704539e-04 9.4908728e-06
 1.4489037e-06]


0.6680839


29


[2.82245480e-08 2.06142545e-07 9.71673964e-10 8.78124169e-08
 2.10830485e-11 4.41477367e-12 1.66572728e-11 1.98205345e-08
 4.35185598e-07 2.06712354e-08 2.91118843e-12 1.00624879e-06
 1.66022824e-06 3.99948796e-10 1.65603444e-06 2.30924613e-07
 5.92759175e-10 5.63269487e-06 9.64919238e-08 1.55655877e-09
 6.50671947e-11 3.15416665e-10 3.87449450e-09 8.80801743e-09
 1.13368981e-10 3.23642801e-09 1.22169731e-04 2.88552827e-11
 6.26227081e-01 1.64438479e-05 1.23831390e-08 2.18153291e-05
 3.25069003e-08 1.95158082e-05 1.99480841e-04 2.59763278e-09
 2.71121098e-10 8.76960782e-10 3.43577589e-09 2.17929852e-08
 4.31485458e-10 1.05028208e-08 2.71990180e-10 7.83633991e-10
 8.76054229e-11 1.62418343e-10 8.94871999e-09 6.26988239e-09
 6.73241241e-10 4.98786845e-10 1.59067717e-10 3.54695232e-11
 1.07889009e-09 1.04620236e-10 6.06230159e-08 4.15706900e-08
 7.64553988e-06 1.50625496e-07 1.13676180e-07 7.25688087e-09
 3.67028624e-01 6.28987467e-03 2.56482981e-05 9.24279630e-06
 1.99250317e-05 1.05963752e-10 4.10521582e-11 1.20999183e-10
 1.48105684e-07 5.51379609e-10 3.09929127e-09 8.36177207e-08
 1.57066005e-08 9.13568421e-09 3.23542815e-09 6.90573287e-08
 1.25994672e-08 2.33043608e-07 2.05981950e-11 3.74850728e-08
 4.29137526e-09 1.41224730e-08 8.48546389e-09 2.50091801e-07
 2.47302268e-08 6.80678153e-11]


0.6262271


60


[1.12805054e-08 9.99998331e-01 9.25338750e-10 8.48257358e-08
 1.81688838e-13 2.34957973e-12 1.47337180e-13 1.38957050e-08
 2.22389798e-11 6.31024166e-09 1.69965691e-11 8.30772251e-08
 5.53052493e-09 1.59880702e-11 9.88927127e-08 3.18993373e-11
 4.39353999e-15 1.99189276e-11 4.93876077e-12 3.09465398e-13
 2.65931537e-13 1.54574467e-14 3.86202181e-11 1.38353261e-12
 7.84067960e-13 1.11708476e-10 1.44722637e-10 3.12386727e-13
 3.12835908e-08 3.40560392e-11 1.71865306e-14 6.09950077e-11
 3.24811289e-11 6.50503193e-11 5.63288782e-12 1.02660359e-13
 3.39517954e-12 5.25617232e-15 1.31859833e-12 3.55104428e-13
 1.02640444e-12 1.20914390e-12 6.39773429e-15 1.06844561e-10
 1.00775249e-16 3.48197389e-14 4.73881871e-12 3.00141043e-13
 2.07801610e-14 3.92779071e-14 1.69992178e-12 1.60856198e-14
 2.05630933e-12 1.14540820e-12 5.11749532e-09 1.55427303e-11
 4.69529797e-13 1.16415558e-13 8.53309590e-10 3.48803153e-13
 2.69565793e-11 1.52798478e-07 4.82289653e-10 4.56924082e-10
 1.76386111e-11 6.20192049e-13 2.38304808e-14 1.35251917e-13
 3.41116046e-12 1.54772267e-12 6.81893222e-11 5.76225699e-12
 1.03881743e-10 5.91492966e-11 2.31790390e-13 5.71106940e-09
 3.70495024e-11 3.07173839e-12 3.09459210e-15 1.74012652e-10
 2.69676615e-13 2.92714572e-12 1.06149722e-09 1.41204331e-11
 1.13825513e-06 9.92228032e-15]


0.99999833


1


[3.49463036e-09 2.75162506e-08 9.50161994e-09 2.65809736e-04
 2.10397737e-12 4.22488745e-11 6.51272525e-12 1.10249676e-09
 9.29865848e-07 9.42579419e-08 5.59702354e-11 5.67557068e-09
 6.14078886e-07 1.34960709e-09 4.27771107e-09 1.65097561e-10
 1.81700530e-10 6.13252240e-08 1.48473500e-09 3.83852550e-09
 2.41841575e-10 3.73318911e-11 9.11759279e-10 1.34509126e-10
 3.42804153e-11 1.09302645e-09 6.28261944e-07 1.92317079e-10
 7.32915616e-03 5.16957407e-05 1.52346802e-09 1.58500028e-04
 2.34966020e-08 1.60244250e-04 1.12699774e-06 1.01701927e-08
 1.04384679e-09 5.43802281e-10 1.25031105e-08 2.92639646e-09
 4.36051772e-09 1.88657512e-09 3.04503034e-10 8.26914857e-08
 4.87293574e-11 2.03705414e-10 1.26428468e-08 1.16003553e-08
 1.96895028e-10 4.35944059e-11 1.30779965e-09 3.58504094e-11
 3.10992032e-09 1.15967225e-09 2.21564267e-10 6.71388278e-10
 2.34461055e-08 5.84706894e-10 8.37974596e-07 1.64008327e-08
 1.70267685e-06 9.91548359e-01 2.88767160e-06 4.76041867e-04
 2.42883914e-07 2.82584806e-12 9.97385438e-11 1.66944625e-10
 1.81795257e-09 3.22430055e-10 2.39042408e-09 9.57209659e-11
 3.35662764e-09 3.37083894e-09 5.39478684e-10 5.37283029e-07
 1.16990506e-09 1.22381877e-07 6.02062497e-11 4.05938033e-10
 2.64119671e-10 8.98511043e-10 7.08646652e-08 3.83739085e-09
 5.23404076e-08 9.84691106e-10]


0.99154836


61


[1.34439504e-09 4.60405013e-11 2.65247893e-12 3.33356702e-08
 4.17069330e-11 1.94840782e-10 2.46211523e-11 2.65014304e-08
 1.42873646e-09 2.95437230e-09 3.89069610e-11 3.11261203e-08
 1.77443304e-08 2.25562777e-10 4.40334986e-07 4.10605855e-10
 8.19794632e-09 8.26675743e-02 1.70727482e-03 9.43911331e-08
 1.81703735e-10 2.35651854e-07 1.32231570e-09 9.47751100e-10
 1.23449595e-09 1.81149211e-08 5.15190322e-07 6.70265969e-12
 8.59195716e-05 1.84666351e-05 1.77505337e-11 2.49368248e-10
 2.70565135e-08 5.88172213e-07 7.80910767e-08 3.99829458e-09
 5.70292424e-11 9.78912229e-11 5.38442790e-10 2.65902256e-09
 2.55117344e-10 8.78597028e-10 6.43592679e-10 4.35764952e-10
 5.95089464e-11 2.28081391e-11 5.76102677e-09 3.12961046e-10
 2.44420539e-10 5.06859103e-11 7.15489820e-11 9.61920734e-12
 2.36973374e-09 7.88216194e-12 6.77593426e-10 5.16247711e-09
 3.78694560e-04 3.51025786e-09 4.61251304e-08 8.56423110e-09
 9.13236439e-01 8.50554261e-06 1.82454102e-03 6.48923087e-05
 5.05006210e-06 2.06852491e-08 5.60771829e-09 1.06568782e-11
 1.00949087e-07 2.22936156e-10 3.51329232e-09 5.97787042e-10
 1.02794051e-09 5.01478192e-10 3.71564890e-09 2.30208785e-09
 1.76642159e-10 3.20479003e-08 1.68564607e-11 1.49643353e-11
 3.33363492e-09 1.75653714e-10 1.73991008e-08 1.05124315e-07
 6.71144085e-10 2.75183765e-11]


0.91323644


60


[6.1754326e-09 1.4990824e-09 3.7596284e-11 4.2453897e-07 2.4128017e-12
 8.0511715e-11 5.0259558e-13 6.0854489e-08 4.7237103e-09 5.1250750e-09
 1.3881710e-09 3.0534111e-10 8.4388077e-08 2.6614719e-09 4.2732527e-08
 2.6993547e-09 1.8214102e-12 1.3436433e-07 2.5198968e-10 2.6478855e-10
 3.1855482e-12 1.8237750e-11 7.0166335e-09 3.6885373e-10 5.3990978e-11
 2.4279577e-08 1.3942537e-06 7.2503156e-11 1.0628198e-04 2.7072505e-04
 2.4843346e-13 5.4351556e-08 3.3332646e-09 2.7074324e-07 7.1175286e-08
 1.4657388e-10 3.4644440e-11 8.9454815e-12 1.7378022e-09 2.0265762e-09
 6.1580428e-11 4.3327650e-11 2.3467636e-11 4.6270934e-08 5.6881765e-12
 1.9527466e-12 3.4141057e-10 5.8777543e-09 3.5916099e-12 2.7323019e-11
 6.9738676e-10 1.6703365e-12 2.4786884e-09 2.2252120e-12 1.6597407e-06
 2.2521315e-10 1.3623871e-08 7.4212761e-11 5.9642239e-06 2.1367192e-08
 1.6104210e-08 9.9922609e-01 8.1872813e-06 3.7730645e-04 7.0355793e-10
 2.1852558e-11 3.7717381e-11 7.2560637e-13 3.3679454e-10 1.7874419e-12
 3.7483155e-11 1.3773667e-11 1.7543952e-08 8.0239759e-11 1.5043120e-10
 5.5788013e-10 8.0336383e-11 4.2347184e-09 1.0730089e-12 3.6328016e-09
 1.9704982e-10 1.0520219e-09 1.5678220e-09 2.0332573e-07 8.3402659e-07
 2.2269473e-13]


0.9992261


61


[5.1735407e-09 5.1099065e-08 5.7199310e-12 6.4166432e-09 5.0432792e-12
 3.8356180e-09 1.6632579e-13 4.0751087e-11 3.5869835e-10 1.5338901e-10
 1.0822371e-08 1.6097315e-09 1.3594001e-06 8.7950099e-11 6.8404133e-06
 1.4409083e-12 3.7371998e-14 1.2463550e-09 9.5825035e-11 7.7718420e-13
 2.5582601e-14 2.4386561e-14 1.3299036e-11 1.3690320e-11 3.8217225e-12
 6.9743369e-06 2.2072921e-08 9.1097225e-12 4.8548476e-09 1.0832826e-11
 1.3702007e-13 1.6418327e-11 1.0147392e-10 4.2015186e-10 8.4495567e-13
 6.4669229e-12 1.6620844e-13 8.0231781e-14 6.4405710e-11 3.5549154e-11
 1.6250836e-11 4.9481959e-12 5.2554131e-13 9.7701509e-09 1.8254060e-15
 6.1888557e-14 2.8816985e-11 6.5687364e-12 1.6372685e-13 5.6187850e-12
 4.6528375e-11 1.3805260e-13 1.6601416e-10 1.3917207e-12 2.7590534e-07
 6.2920630e-10 3.0327030e-12 4.8356367e-12 3.4955869e-10 2.6983608e-12
 1.8009044e-11 3.4695158e-10 6.3415486e-09 9.2421519e-09 2.5802732e-10
 1.4973504e-12 1.2374979e-13 7.7339231e-14 6.7213041e-12 1.0248936e-12
 2.4551545e-14 4.6412418e-12 1.1515576e-10 4.2504222e-13 9.5140183e-13
 4.7862513e-12 2.2059649e-13 2.8739246e-12 2.1595534e-14 9.1164489e-12
 2.6417963e-13 7.8170708e-12 2.0270014e-12 6.7195388e-11 9.9998438e-01
 8.2083131e-16]


0.9999844


84


[1.9693225e-06 8.7221798e-07 3.1420530e-10 9.9993825e-01 1.0337777e-11
 2.7878786e-08 4.3052857e-12 6.7460604e-13 1.0389641e-08 2.0963506e-10
 3.1167079e-11 1.3689269e-11 2.9535385e-10 4.6911380e-10 1.9806544e-07
 3.5308272e-13 1.1163696e-11 9.8607865e-11 3.7509709e-12 3.0119438e-12
 1.4209414e-11 5.2910992e-12 6.3533107e-10 5.9143341e-12 3.4001163e-11
 1.0061044e-07 3.9669285e-07 3.1005462e-10 1.2678781e-06 1.3619124e-09
 2.9916146e-11 9.4255348e-08 1.8015903e-08 3.9653057e-07 4.2043569e-09
 6.9629666e-09 1.5836939e-11 6.2997637e-12 1.5299232e-08 4.5452587e-12
 3.2862879e-09 2.3105105e-11 1.3884710e-10 4.8464158e-06 4.1480708e-14
 3.0046410e-11 1.6981468e-09 4.8615920e-09 6.0715183e-12 7.2511046e-13
 2.6500860e-10 1.3178364e-10 6.8191928e-09 2.1749398e-07 7.3791902e-08
 4.7641741e-11 2.2995675e-11 1.3465936e-11 2.8249772e-07 5.1723031e-10
 5.7146377e-09 2.8270500e-07 6.7014425e-06 4.2736589e-05 1.7838721e-07
 4.4040067e-11 6.9797834e-10 2.0093820e-12 1.6741761e-11 9.3053351e-12
 1.3226284e-10 2.1881294e-13 2.1660553e-09 1.3666632e-10 8.4838948e-11
 1.2740117e-09 4.1640164e-12 3.5025802e-10 9.8134244e-12 2.2020601e-12
 6.5115191e-11 7.7028366e-12 1.4045625e-09 7.6467426e-12 9.3984323e-07
 5.3168830e-13]


0.99993825


3


[3.48952511e-08 3.19608446e-08 9.56939389e-12 7.86793777e-08
 2.93713276e-10 5.65628111e-13 6.68242545e-12 7.54918628e-10
 3.38173010e-07 2.43445498e-12 6.06129459e-13 1.77594453e-10
 7.71888864e-09 1.28142635e-10 2.78899215e-09 8.56845761e-10
 4.43347510e-08 9.94061338e-07 3.49882896e-08 4.58546578e-09
 4.41413350e-09 2.87974117e-10 3.61741505e-11 5.55700097e-10
 9.23734006e-11 1.58841593e-10 1.30741000e-07 1.20880097e-08
 4.89926431e-03 5.95886813e-05 2.77756451e-04 1.54959792e-02
 2.18223641e-03 3.44610817e-05 9.77044284e-01 2.30688411e-08
 9.96318317e-09 7.02714317e-07 5.89412785e-08 2.84051862e-06
 3.47716906e-07 1.33139402e-08 4.26177538e-09 4.98755242e-08
 2.51081711e-09 6.76285650e-09 3.17902504e-08 1.77164537e-07
 2.61586641e-09 3.67794814e-12 2.51852157e-08 1.87006714e-13
 1.89474392e-09 8.22912485e-12 1.44240007e-08 2.53021172e-12
 2.65846412e-09 1.85544621e-10 7.49897655e-09 5.15852638e-10
 3.87100263e-09 1.74054033e-08 1.12993304e-08 3.87319933e-11
 6.51394361e-09 1.03753517e-09 2.04074366e-12 3.41014821e-11
 2.19332510e-10 1.07769444e-11 1.91644247e-07 5.44019777e-12
 7.40829953e-10 1.57066680e-08 1.07403017e-10 2.30802946e-11
 4.52848381e-09 8.34470804e-09 1.23076115e-11 2.70501999e-09
 6.08723003e-11 2.61545091e-10 2.65641263e-12 1.61763380e-09
 1.40495899e-08 9.63273190e-13]


0.9770443


34


[2.69333267e-09 1.37185259e-08 2.93250667e-11 9.99996424e-01
 3.54545948e-10 4.75153701e-11 2.21181125e-12 7.82944825e-15
 2.73793627e-11 5.69868111e-11 7.69133715e-11 2.34786387e-12
 3.29987209e-12 1.34063411e-11 1.03989396e-06 1.82848948e-13
 3.32289990e-12 1.89539547e-11 1.54670656e-13 3.53884387e-11
 1.62957269e-11 1.29855892e-12 2.31288641e-06 9.45595598e-12
 1.83793900e-11 3.67330749e-11 1.09145734e-10 2.48004064e-13
 3.00395930e-09 1.20496590e-11 1.14439096e-15 3.19395660e-12
 4.04537905e-12 1.10018039e-12 1.62063404e-10 5.92700125e-11
 1.07323417e-12 2.46577152e-14 9.61067137e-09 7.39848178e-14
 3.99492189e-10 8.41992708e-13 1.22932763e-14 1.25678290e-09
 9.68682231e-17 8.53794218e-15 1.01997501e-10 2.78947655e-12
 8.77656915e-14 1.85051415e-15 1.26666939e-12 5.05096399e-12
 1.64637540e-10 2.44728066e-12 4.36820136e-09 2.76297641e-14
 7.82221196e-18 2.96638879e-15 1.58829805e-09 1.42515333e-10
 4.00919402e-11 3.30493712e-08 3.72848807e-10 1.51602078e-10
 6.15204609e-10 6.26163080e-11 6.05326969e-11 1.44222340e-12
 5.19637111e-12 1.02104115e-11 7.83104497e-08 4.10013386e-13
 1.99244753e-11 1.01167089e-10 2.26937844e-11 7.84070309e-11
 3.74837097e-12 3.17692157e-11 4.12832511e-11 3.08374745e-13
 2.33068908e-13 4.61464634e-13 5.13610154e-10 1.63239329e-16
 8.76432538e-10 2.85834577e-16]


0.9999964


3


[4.92395930e-06 1.02552403e-05 4.09064969e-11 2.86331109e-04
 9.07718567e-10 2.74461592e-10 4.46339010e-09 3.73781791e-06
 6.99372322e-05 1.02102771e-08 1.35932612e-10 4.84233625e-11
 1.55541713e-09 8.49785520e-10 2.00571503e-06 4.40540132e-10
 3.13086765e-08 7.80200662e-06 1.33833487e-06 2.99482735e-07
 6.49647447e-09 9.82272308e-09 6.39680531e-09 1.74295920e-08
 2.04905977e-08 5.14280130e-09 4.80387234e-06 9.97350313e-10
 7.37550436e-05 9.77351964e-01 1.56687427e-10 7.33663171e-07
 4.46296281e-06 6.02928429e-10 9.28870752e-04 2.01764601e-06
 2.72574230e-09 1.79087607e-08 1.81122388e-07 8.27194128e-07
 1.47170658e-06 8.14950774e-09 9.64514424e-09 5.31928094e-07
 2.97083691e-10 5.78101289e-10 8.83627482e-09 2.37054763e-07
 3.04477799e-09 1.90694596e-11 4.88933161e-08 3.33650857e-10
 4.54200455e-09 1.22560184e-09 1.82540066e-06 6.42815870e-11
 1.03514068e-07 6.56861587e-09 2.73131645e-05 1.36393501e-04
 5.18162014e-05 7.00223900e-05 1.65280849e-02 8.77933360e-07
 4.42484720e-03 8.61499103e-08 2.73506551e-08 7.81215370e-10
 4.64390375e-08 4.80054485e-09 1.25974564e-08 3.15512105e-09
 2.77688517e-09 8.37680318e-07 3.38405970e-09 4.78013962e-10
 2.00270549e-07 1.07253541e-07 1.08567134e-10 1.30355762e-08
 1.47329038e-10 1.64399527e-09 4.25832258e-09 5.27507531e-08
 6.24609754e-07 2.50233130e-13]


0.97735196


29


[6.32036361e-08 4.77696176e-08 1.74469328e-10 7.52420526e-09
 1.47525614e-09 9.59198346e-11 9.57897583e-09 9.55305836e-07
 5.93730860e-08 8.60532368e-10 8.62885527e-11 5.21239144e-07
 2.23605880e-07 7.53269180e-09 1.65415042e-06 2.50657877e-08
 6.44111765e-07 9.65709090e-01 1.70784425e-02 1.01622618e-05
 8.09522547e-08 1.50646440e-06 9.16385368e-09 1.07443931e-07
 5.80352193e-08 8.22618029e-10 1.10752926e-05 6.31146746e-10
 1.60191813e-03 1.39706384e-03 4.56485822e-07 8.63033733e-07
 2.61791638e-06 1.02895888e-06 2.78607197e-03 2.56484132e-08
 5.87427316e-08 8.07733400e-08 4.72189399e-08 8.16849933e-07
 2.54895252e-08 1.40205145e-08 9.80332882e-09 1.55627433e-09
 4.84667284e-09 4.20145962e-09 6.93340763e-09 9.97649252e-09
 9.27060029e-09 1.40697662e-10 8.00693822e-09 1.17568497e-10
 3.02674064e-09 1.26282082e-10 3.91894117e-09 3.18215299e-09
 2.90782918e-04 1.02705343e-07 1.56042388e-05 2.53158032e-06
 1.05811730e-02 2.59719818e-05 4.72558837e-04 1.12431235e-06
 2.72803663e-06 4.53870427e-07 1.15245831e-08 2.01036099e-09
 1.02046712e-07 9.90537075e-09 4.26975305e-07 2.52701748e-09
 7.32752481e-09 2.99878224e-07 3.32763932e-08 4.14587964e-09
 2.41830840e-08 9.78616583e-08 3.75970977e-10 2.58122306e-08
 1.31638975e-08 1.38074585e-09 7.99724342e-10 4.74501540e-08
 1.72648793e-08 6.91525379e-11]


0.9657091


17


[2.8818462e-07 5.6968129e-05 8.5647267e-09 5.2960827e-06 1.0638246e-10
 3.0164615e-09 4.6056647e-09 3.0826868e-07 1.8406090e-05 6.0070604e-08
 2.2425803e-09 3.2003462e-07 2.7314179e-06 5.2651963e-08 8.9929235e-04
 2.1425727e-07 3.7602547e-08 1.9925744e-06 1.2179643e-06 7.8990233e-08
 2.9901628e-09 1.4375205e-08 4.1633980e-06 6.7674227e-07 1.2920066e-07
 5.3128247e-07 5.6358476e-05 6.6515360e-10 9.1680622e-04 3.2848632e-03
 1.1257657e-10 5.1157485e-07 3.3911339e-05 4.3354955e-08 5.7774869e-04
 2.1201215e-08 3.4160539e-08 8.9403187e-09 1.6924594e-07 1.2121929e-07
 3.4580882e-08 1.4764320e-08 4.6350190e-09 2.0976819e-07 3.8248757e-10
 2.5145668e-09 5.2827374e-09 2.7863900e-08 1.4295686e-09 7.7742085e-10
 7.7795868e-08 3.0724184e-10 4.4045091e-08 5.7835337e-09 4.3373259e-07
 2.9214878e-08 7.5724718e-05 3.5174716e-07 8.3225215e-04 8.9649693e-05
 1.9182982e-03 2.0861530e-01 7.8101224e-01 3.3826730e-04 1.2454720e-03
 3.9367185e-07 8.3643776e-09 3.6827998e-09 2.2524272e-07 9.4485464e-10
 1.2850006e-06 2.5200598e-07 1.8961905e-06 7.1984590e-07 2.0491807e-07
 3.6562943e-07 8.7958512e-08 4.1408921e-07 4.6575201e-09 9.5676091e-07
 3.3615471e-08 8.7859334e-08 6.8404688e-08 3.7315920e-07 7.0785893e-07
 9.4758666e-11]


0.78101224


62


[5.70834491e-09 9.99992251e-01 1.06661069e-10 2.71548095e-09
 5.11317209e-16 3.57853057e-14 2.33260514e-13 1.93339234e-09
 6.59956573e-13 4.85078774e-12 3.27765728e-13 8.55659898e-09
 4.61929002e-11 1.59170095e-12 7.75585613e-06 2.85445517e-12
 9.87426223e-16 1.69380417e-12 2.31141231e-10 1.84799584e-14
 2.15239034e-14 3.92551024e-15 1.29937857e-12 1.01814993e-13
 1.03150865e-12 2.91632278e-12 1.18861193e-12 6.50303235e-15
 3.07214913e-11 4.87155941e-11 1.07546516e-16 2.07551990e-14
 3.22180672e-12 2.46039481e-15 1.61467096e-12 1.20794827e-14
 3.10794440e-13 1.48156664e-16 5.86078901e-14 2.53908693e-15
 1.87218828e-14 9.26575948e-15 1.23961599e-15 4.08219708e-11
 1.11944586e-17 2.76630690e-15 4.05924531e-15 1.87409174e-15
 4.94399843e-16 1.82931615e-16 3.04442513e-14 1.99717491e-16
 2.11640330e-14 6.34321805e-13 1.99716858e-11 4.43105134e-13
 9.44783057e-14 9.28387413e-15 4.91818897e-09 1.75393783e-10
 1.40257478e-12 2.58150568e-09 6.64602684e-09 1.25354505e-10
 1.31583926e-12 2.49326428e-12 1.14240223e-14 2.36759329e-14
 1.55558702e-14 7.96513680e-13 1.93745072e-11 7.33061355e-12
 1.75539618e-11 2.44990573e-11 1.86528429e-14 8.38459510e-11
 6.81739127e-12 4.06665776e-13 5.21517444e-16 6.93359172e-12
 1.17136881e-14 1.46425298e-12 2.72631057e-10 2.43158098e-12
 5.73882453e-09 1.10923952e-17]


0.99999225


1


[1.6097768e-07 7.2821507e-07 6.1985411e-08 2.6564553e-01 4.9232157e-11
 3.4828410e-08 6.8657116e-09 3.0402571e-08 1.2823586e-04 2.8408396e-08
 4.6530753e-09 1.0632200e-08 5.7860877e-04 2.7927278e-09 5.1999081e-07
 3.2571672e-09 6.8906147e-08 1.2646861e-06 1.2502026e-06 3.8446328e-07
 9.3508987e-08 6.8247932e-09 1.2339422e-07 8.4362757e-09 9.6055430e-08
 3.2022049e-07 2.3762184e-05 3.8328190e-09 4.1173436e-05 2.1420650e-03
 3.2909264e-09 7.2822936e-06 8.7857725e-06 8.7799258e-08 4.5582317e-05
 2.1481351e-07 4.1657344e-09 2.5689173e-09 3.2707482e-07 4.3025068e-08
 8.6172939e-08 5.3122893e-08 9.8857571e-09 4.9642458e-06 7.0196809e-10
 1.5801312e-08 3.4995150e-08 9.9443874e-08 6.4373138e-09 2.5529340e-10
 1.6840995e-07 5.8764901e-08 1.5123282e-08 4.5262885e-07 2.1514791e-07
 1.5226168e-09 1.8816959e-04 4.8405216e-08 2.3917901e-05 3.3264645e-04
 5.1632820e-04 7.3491253e-02 6.1533058e-01 3.8886227e-02 2.5790166e-03
 4.1903823e-09 3.7624673e-08 6.0667054e-09 1.8109239e-07 1.1375529e-08
 1.0822320e-07 3.6601993e-08 2.2261383e-07 8.2162489e-07 6.8079991e-08
 7.3252631e-06 7.1954992e-07 1.9870772e-07 3.1249934e-09 5.6654279e-08
 1.1331914e-08 6.5792761e-07 5.8740392e-07 7.5768949e-06 9.3443823e-08
 9.9119013e-10]


0.6153306


3


[3.6610936e-07 4.6563588e-07 2.5714227e-08 6.3161752e-07 3.2288801e-09
 3.3123389e-11 6.4290628e-10 2.3842648e-07 8.2772412e-06 6.9098442e-11
 8.0395131e-13 1.9459865e-08 2.6281609e-06 1.0975071e-09 4.8609734e-09
 4.9254570e-08 3.1273510e-05 6.1829036e-05 4.2044761e-05 1.0108296e-06
 5.8407943e-07 4.2824627e-08 2.8944515e-07 2.0090239e-07 6.7144215e-09
 3.0414147e-09 8.1852602e-07 4.3363247e-08 7.3863876e-01 2.9064128e-03
 7.8397477e-03 2.2326016e-01 2.3420434e-02 1.5159457e-05 3.7328473e-03
 4.0715048e-07 7.2391728e-08 8.6978589e-06 5.5019154e-07 2.6068828e-06
 9.1046223e-07 1.0006272e-06 1.8769134e-08 4.4442348e-07 1.7581908e-07
 8.5714109e-06 1.4443468e-06 1.2231610e-06 4.4260892e-07 3.8853032e-10
 2.2251882e-06 1.5600676e-10 8.3757200e-08 6.0469718e-09 1.3311779e-07
 9.5941553e-11 1.0546328e-06 4.5084963e-08 7.0784438e-07 4.2282880e-07
 5.9582550e-07 5.6636839e-07 7.1516712e-07 3.6347616e-09 2.0516262e-07
 2.5857178e-10 2.6061926e-09 4.3651678e-09 1.2932269e-08 1.1324372e-08
 1.7561364e-07 7.4360226e-11 3.9377476e-08 3.3914651e-07 1.2542630e-09
 1.0444026e-08 1.1106915e-06 4.9507932e-08 9.9443839e-12 3.7616499e-07
 3.4014169e-10 2.0575039e-09 1.7404335e-11 6.4499375e-08 2.6210296e-08
 8.9945082e-09]


0.73863876


28


[2.42239295e-09 7.96211708e-10 3.79280358e-08 8.70285439e-04
 6.14738696e-08 4.74431952e-12 3.06882232e-13 7.48087573e-13
 1.20748342e-11 1.71964335e-11 1.64846969e-09 6.58430421e-10
 1.23229751e-11 2.22675871e-12 4.77693655e-04 1.81018922e-09
 5.60094149e-09 1.15130956e-06 6.41792951e-07 4.05265377e-09
 9.19903376e-10 1.93740668e-09 9.98628378e-01 6.29332098e-09
 9.03607356e-10 4.15156164e-13 1.99777155e-08 1.29767312e-12
 6.22449647e-10 9.34932964e-11 4.43105136e-11 2.61280508e-09
 8.62101085e-11 1.12873710e-09 2.05886724e-10 6.19140517e-09
 9.03571835e-12 1.24787489e-11 2.33815189e-10 5.79417677e-12
 2.00970504e-10 1.97139284e-11 1.10666874e-13 9.01290015e-11
 2.32548193e-13 2.35686535e-12 1.36822484e-10 7.36486150e-11
 1.58053379e-11 3.23504515e-14 4.83119170e-11 1.61745259e-12
 4.17167412e-10 1.23197789e-11 3.07762538e-10 1.47625933e-12
 1.14272253e-12 3.83613226e-14 2.00417091e-07 2.06559458e-09
 9.86641324e-10 2.98619034e-06 1.35814632e-11 2.86393060e-08
 5.85586690e-10 4.01341287e-14 1.78080564e-10 2.39383014e-12
 2.84962158e-12 2.09137346e-10 1.85894041e-05 3.44981666e-13
 3.54160729e-11 4.85668450e-10 2.87457197e-10 3.60761733e-11
 1.70700971e-11 3.35111019e-12 8.24132151e-10 1.25887717e-10
 1.40454358e-12 2.27900043e-11 2.48158799e-10 2.13258798e-15
 2.68649217e-11 1.75530059e-11]


0.9986284


22


[7.29681062e-07 2.64490581e-07 4.43524557e-11 6.28396809e-01
 2.85169403e-06 9.08116249e-08 2.50299313e-11 4.45776298e-11
 8.46419435e-10 1.23561520e-07 5.12249159e-08 2.58882694e-12
 9.16668061e-11 8.20205293e-11 3.71590942e-01 7.62305080e-11
 2.89002045e-10 8.60624780e-08 1.04086844e-07 5.23778754e-09
 6.44047204e-10 1.41171164e-09 4.24130803e-06 4.33707203e-09
 3.10632586e-08 8.93032936e-09 8.01166333e-09 1.80208869e-11
 1.46559813e-07 5.33374803e-11 2.01581113e-12 4.08903501e-11
 9.60539914e-09 5.17220267e-10 5.25109643e-11 4.94751646e-07
 3.08730930e-10 2.02107879e-11 3.28832186e-07 1.27999528e-10
 7.50962759e-09 1.45909826e-10 2.22298221e-12 1.87307023e-07
 2.37273715e-13 1.66649528e-10 7.11538217e-10 2.36155384e-09
 2.04066056e-10 1.21717881e-12 8.33264274e-12 3.60600126e-11
 1.09196101e-08 4.57762939e-09 1.57352201e-06 3.88977128e-10
 6.50570396e-12 1.03905574e-14 3.77009428e-07 2.82654988e-09
 3.50371351e-07 3.21283267e-08 1.32675970e-09 8.31263769e-09
 6.11435311e-08 1.23627705e-10 2.40230835e-10 1.03579636e-11
 2.12730354e-11 5.16575021e-12 2.59737742e-09 7.46545512e-13
 1.02394293e-09 3.02082886e-10 5.15295251e-10 2.00450390e-09
 8.83321818e-11 2.83416450e-11 1.36414768e-09 3.90431576e-11
 2.00457064e-11 4.51097437e-10 1.45655754e-09 2.10255763e-13
 5.53870672e-10 3.24422997e-13]


0.6283968


14


[1.19570558e-07 2.64932378e-08 3.66900399e-10 2.62519807e-05
 2.58947641e-09 2.84982793e-08 1.99637573e-09 3.56185375e-08
 2.84886210e-05 1.31065769e-06 5.20998185e-07 2.51702520e-10
 4.05597262e-08 4.26498703e-09 4.91015726e-06 5.83458526e-09
 3.17703623e-08 2.24446831e-05 2.04524142e-07 6.70549696e-08
 1.86120399e-08 1.06474385e-09 1.26637997e-06 1.25087695e-06
 1.18634389e-07 5.76423487e-09 3.93456903e-05 4.69869255e-10
 6.41521110e-05 1.81003808e-04 1.18692505e-08 1.84306670e-09
 8.47033607e-06 7.98622679e-09 3.60472973e-06 9.62961053e-07
 2.13137019e-09 2.62038036e-09 1.26933557e-07 7.42591908e-08
 3.55703134e-09 8.66347971e-09 2.71979683e-08 1.07605338e-07
 3.02847925e-09 3.50605522e-09 1.18413022e-08 1.04441291e-07
 1.73624972e-08 1.07281650e-09 1.10335607e-08 4.89238539e-10
 3.36273089e-08 1.39000553e-08 5.70154214e-07 1.07052514e-07
 1.38036106e-04 2.10556109e-07 4.71692625e-03 2.44378916e-05
 7.09876865e-02 6.40898070e-04 9.17156816e-01 3.42273008e-04
 5.60487062e-03 8.87979468e-09 1.04689690e-07 6.07286388e-10
 1.61356990e-08 3.08005155e-09 3.99997248e-07 1.30817011e-08
 5.12355420e-08 5.39106850e-07 1.33854712e-07 5.91697935e-09
 6.11735773e-09 3.16931533e-07 9.47070156e-09 3.08681649e-08
 5.53820314e-08 1.89783620e-07 3.68361186e-09 9.03126907e-09
 3.48990419e-08 5.81535353e-09]


0.9171568


62


[1.12245493e-06 2.46003395e-07 8.29011748e-10 9.95957792e-01
 2.51619372e-06 4.61528558e-08 9.81631443e-10 8.59709137e-10
 9.78543735e-09 1.91033550e-07 3.03393696e-03 5.00559663e-11
 5.95466219e-08 4.79307649e-10 5.72811696e-04 6.45717230e-11
 1.23216481e-09 7.41667236e-06 3.95294649e-07 1.01987156e-08
 2.25466978e-09 4.26887903e-09 6.67871718e-05 6.03249761e-09
 1.35590753e-07 5.58354820e-08 1.33908125e-05 1.04263723e-10
 1.45813502e-07 5.99506667e-10 2.78389863e-11 7.48922174e-11
 9.10852560e-10 4.55960825e-09 2.07808090e-10 1.95985272e-08
 2.34889774e-10 9.31028431e-12 6.83086114e-07 5.99276601e-11
 5.18041920e-09 3.03343704e-11 8.05953047e-12 5.73539921e-07
 4.48806980e-13 1.88192129e-10 1.85487437e-09 1.60719100e-08
 1.17743881e-09 7.03622056e-12 1.22033661e-10 6.78049838e-10
 5.86501692e-08 2.28120918e-08 2.01103990e-06 3.15320192e-09
 4.76045292e-09 3.00328755e-11 3.23309767e-04 8.95388723e-08
 6.42777366e-07 7.21544609e-07 2.98677172e-08 1.30276303e-05
 9.63150569e-07 2.25836705e-09 3.00929557e-08 4.03497236e-11
 5.14416554e-09 1.65476077e-09 1.41341843e-07 2.54679177e-11
 1.81833979e-08 5.10732745e-09 5.27241006e-08 1.50419659e-08
 9.08718212e-10 4.22659507e-09 9.00540087e-09 3.03090553e-10
 7.51833973e-09 7.58474084e-09 9.99838523e-09 2.68868643e-11
 3.46650552e-07 1.48273741e-10]


0.9959578


3


[3.9370670e-07 4.0740309e-07 1.0520785e-08 1.2329384e-04 1.6509743e-08
 4.1420392e-08 4.3290935e-09 3.8355122e-08 1.7969470e-04 1.9661641e-06
 1.0090128e-07 2.2411485e-10 4.2411000e-07 1.4137270e-08 1.0124831e-05
 5.2664135e-09 8.0655397e-08 1.7261552e-04 1.9889933e-06 1.5681104e-07
 1.7479820e-08 2.0658848e-09 1.0972130e-06 5.1442754e-07 9.1995382e-08
 3.2014277e-08 2.7164044e-03 1.8399189e-09 1.5551436e-03 5.2417621e-05
 4.6127212e-08 3.4914561e-07 5.0965064e-06 6.9539774e-06 3.5979890e-03
 1.7163857e-05 9.6957109e-08 1.6565392e-07 1.7627522e-06 2.6522187e-07
 9.0638554e-07 7.8624282e-08 6.1254852e-08 3.8179456e-07 1.8418711e-09
 1.3878644e-08 8.9204146e-09 1.0849752e-06 5.3828284e-08 3.8311088e-09
 1.6038373e-07 7.5014333e-09 3.0170927e-08 1.2450887e-06 2.7461851e-06
 6.3816907e-07 5.0560926e-04 2.7302874e-06 1.2927986e-02 1.7992559e-05
 1.5864326e-01 8.2315523e-03 3.6512367e-02 2.5333923e-03 7.7215970e-01
 1.8643293e-07 1.7007643e-07 1.9347390e-09 4.3075321e-08 6.5880695e-10
 5.6958987e-07 5.7228560e-09 4.0325233e-07 1.1487349e-06 2.3007004e-08
 2.5915325e-08 4.6933128e-08 7.6049400e-06 4.2057906e-08 3.4691038e-08
 1.9758190e-07 8.9941558e-08 1.8357589e-08 4.6402004e-08 1.1682183e-07
 1.9303161e-07]


0.7721597


64


[1.27415181e-08 6.95779363e-07 3.48188728e-10 4.80712515e-05
 1.54661279e-08 6.43324114e-08 9.47428691e-10 1.35157059e-08
 3.01665949e-07 2.00560812e-08 6.89600536e-04 1.13732934e-08
 3.00917600e-06 2.30471890e-08 4.15727118e-04 3.46163737e-10
 4.33984848e-09 5.84969401e-01 1.01034995e-03 1.47573633e-06
 3.49420853e-10 6.70737421e-08 2.05197011e-06 1.41971825e-07
 9.38447631e-09 1.44332191e-07 3.10657406e-03 1.12881371e-09
 4.32403067e-05 1.53723283e-06 1.46666201e-09 7.46360862e-10
 3.54215004e-08 1.15305106e-07 6.94795759e-08 9.96595730e-08
 4.92995778e-09 4.23522639e-09 1.34779672e-08 6.87522439e-09
 3.97751379e-08 8.58418947e-10 3.12842841e-09 7.30849081e-07
 9.26346430e-11 8.42872716e-10 5.56635715e-09 3.76646625e-08
 1.30455398e-08 2.27467475e-10 1.61439413e-08 3.73990726e-12
 1.96483384e-07 1.10418927e-08 1.14080819e-07 4.94139840e-08
 1.62406272e-04 4.83147176e-08 2.12380558e-01 1.56741662e-05
 2.35153217e-04 3.26742193e-05 2.48235390e-02 1.71879187e-01
 8.86998168e-05 4.77833595e-08 1.07629305e-07 4.83058905e-11
 1.85358662e-08 6.31735442e-10 9.40070599e-09 5.74670922e-10
 7.73632223e-07 1.99860764e-07 7.45965920e-08 1.00238493e-08
 7.04542513e-09 4.59787621e-08 2.89295898e-09 9.71096359e-09
 3.61281423e-07 4.24915969e-09 5.03128135e-08 6.00361574e-08
 8.62310262e-05 3.79200116e-10]


0.5849694


17


[4.4935597e-08 1.1879027e-06 3.6420728e-11 8.0661684e-06 6.7477794e-12
 4.9628834e-09 9.2692604e-11 9.3092559e-08 2.4208019e-04 8.0114831e-10
 5.2009681e-09 2.2177013e-10 6.8448162e-07 2.1554637e-10 1.0182152e-05
 1.6424856e-10 4.4638443e-10 6.7566802e-08 1.9611708e-08 4.7606552e-10
 5.5056262e-11 1.2769751e-10 1.1609733e-09 2.3291822e-09 1.9422211e-10
 1.2604861e-06 1.9553117e-03 2.2387985e-10 7.0598361e-04 5.0500893e-07
 7.1585577e-09 1.5327661e-08 4.9061618e-06 2.6058500e-09 2.8017109e-06
 2.8236336e-08 2.3742458e-10 4.2742765e-09 6.8314474e-09 6.3079773e-09
 3.2900032e-09 4.5146220e-09 9.0611435e-10 1.4918321e-08 9.6156598e-12
 2.9625633e-09 1.9158444e-10 9.6444923e-09 8.5521568e-10 1.3737254e-10
 3.5620129e-09 2.5030452e-13 1.0504797e-09 2.4162969e-08 2.5417989e-05
 1.3897901e-08 5.0332205e-04 1.7541522e-06 6.0861273e-04 4.8674478e-06
 1.7135304e-04 1.7253278e-05 6.0143530e-01 3.0919709e-03 3.9119947e-01
 6.0386744e-09 4.9694195e-09 5.5774001e-12 2.8523588e-09 1.5637493e-11
 1.3696147e-11 3.8598378e-09 1.8014764e-06 3.3232165e-08 3.3821599e-09
 5.8934330e-10 1.3282342e-06 5.4601120e-08 5.4694426e-11 2.8615474e-08
 2.9815079e-09 1.5521648e-09 5.1618892e-10 4.5420060e-07 3.6065364e-06
 1.8264864e-11]


0.6014353


62


[2.01175321e-09 7.31486693e-07 1.35289479e-11 3.96363165e-09
 4.96182782e-12 7.50018311e-11 1.14980584e-12 1.04433046e-10
 4.52333140e-08 5.20081866e-10 5.81820707e-08 5.86560445e-09
 1.61114116e-07 3.10118532e-12 1.26852119e-05 3.49370641e-12
 1.13035731e-12 8.20333579e-10 3.76842779e-09 2.68156643e-11
 7.31271001e-13 4.63607559e-13 1.00979905e-10 7.30833935e-11
 3.34346071e-12 7.79510145e-08 1.11478144e-07 3.64723789e-12
 9.94824889e-10 8.86956849e-13 8.34615883e-12 4.55242337e-11
 2.12914630e-10 1.11501954e-11 1.22104735e-12 1.14684304e-11
 4.91628006e-12 9.93090809e-13 2.96537534e-12 3.70437665e-12
 4.90517132e-12 5.88283491e-13 1.01282399e-13 4.65631006e-12
 3.07289313e-16 8.24347643e-13 1.46242285e-12 1.32650163e-12
 4.74496050e-12 8.07164925e-12 2.77141396e-12 1.87577246e-16
 1.45345264e-11 2.56647524e-12 9.26813527e-07 5.42143219e-10
 3.48129747e-10 3.22745615e-11 1.06485754e-09 3.57639352e-12
 2.56604210e-10 9.79609970e-12 3.51334101e-11 6.33075758e-10
 3.63846087e-09 1.96164387e-11 3.41355416e-13 1.45604489e-14
 1.98241570e-13 2.42332673e-12 4.00492573e-13 2.86723054e-12
 2.93016410e-11 8.55725538e-13 1.33190171e-12 1.10247166e-13
 6.44489843e-12 7.63650341e-12 1.59510915e-15 2.40744230e-12
 4.65602329e-13 2.96012021e-12 1.65810323e-12 9.75496268e-13
 9.99985099e-01 1.14525154e-15]


0.9999851


84


[2.19764684e-06 1.66856058e-04 1.11201137e-09 9.99758303e-01
 8.39006375e-09 1.94917793e-09 1.05478834e-10 2.76660951e-11
 9.74386438e-09 9.93049287e-09 5.38320555e-10 4.93555067e-12
 3.70629105e-09 2.75179497e-11 9.82860684e-07 3.35330917e-12
 1.59372682e-10 4.99485626e-11 4.72660903e-11 4.80834608e-11
 3.22017191e-10 1.96101677e-10 1.84925710e-07 1.91626229e-10
 2.01014164e-10 6.59873010e-08 2.36685059e-06 1.54802213e-11
 3.31078184e-07 1.57115057e-10 3.15715197e-11 7.81710030e-10
 1.10848388e-08 1.31562861e-09 2.30894726e-09 2.36545250e-09
 3.62095104e-10 1.10938168e-10 4.47699335e-07 7.61746222e-12
 5.40626992e-08 2.00668246e-10 1.52892141e-12 1.48862398e-08
 9.15205818e-14 3.05828052e-09 2.64630488e-11 3.15720144e-10
 4.92374336e-11 1.70132018e-12 9.18848417e-12 4.09706880e-10
 3.23606919e-10 5.31806734e-07 6.64650070e-05 7.01492597e-12
 1.08339775e-10 2.13113121e-12 3.51466056e-08 1.95513813e-10
 1.77330950e-08 1.53783546e-07 1.58894178e-08 1.61653961e-08
 1.54278425e-07 6.85614510e-10 1.29053646e-09 2.97074279e-12
 1.86464438e-11 3.41359059e-11 1.93286986e-09 1.18696340e-12
 4.31815778e-10 1.74917830e-10 8.37800274e-10 9.66784763e-10
 2.33890640e-09 2.72306927e-10 1.40260321e-11 2.69103403e-12
 1.05514391e-11 3.82128877e-12 8.78726336e-09 6.22483903e-14
 7.17463763e-07 8.62425637e-13]


0.9997583


3


[2.18922613e-09 9.61626112e-10 3.70641628e-10 6.40919382e-07
 1.33189881e-09 1.41495675e-13 1.47391257e-12 3.76763377e-11
 1.18893539e-07 1.59464876e-13 1.39983494e-14 8.96982277e-14
 6.53856524e-09 4.24005579e-12 7.87238719e-10 1.32630823e-10
 2.41759722e-07 7.52008855e-09 1.89153120e-08 1.68218528e-09
 9.36527078e-10 1.25902830e-10 3.50148216e-10 2.48985765e-09
 4.32200352e-11 3.14259296e-12 1.57531126e-08 4.36312930e-10
 2.43308041e-05 3.07257683e-03 9.07287845e-09 9.93652105e-01
 1.01721664e-04 8.33018930e-05 3.05991224e-03 1.60566074e-07
 8.11004668e-08 1.91338631e-06 1.37346319e-06 4.91370599e-07
 4.62059774e-07 1.29912103e-09 4.67180350e-10 8.10908816e-08
 4.94885632e-10 4.98079302e-08 1.19763935e-10 2.46061973e-07
 3.56487617e-09 5.54937660e-13 1.92597067e-08 1.32410044e-12
 2.19040286e-10 2.40549386e-10 1.93535910e-10 3.26004448e-14
 5.54562896e-10 3.84512526e-11 3.89639349e-10 4.07462686e-09
 1.68396283e-10 3.57815466e-08 5.16365249e-11 3.46706934e-11
 1.70072922e-09 8.26727783e-11 1.95329586e-11 3.25273749e-12
 2.13890516e-12 3.36327147e-11 6.15695761e-09 1.21743012e-14
 7.87871102e-10 8.75881201e-10 8.88561013e-12 2.92823014e-12
 3.13705062e-10 3.06312735e-08 4.89644837e-13 9.99005566e-12
 7.52009132e-12 1.90884877e-11 6.38270198e-13 5.50192140e-12
 1.41346257e-09 9.06994098e-12]


0.9936521


31


[2.5971951e-06 3.7092377e-05 1.4288824e-07 1.5126361e-01 1.8087632e-06
 1.3691340e-11 2.8101876e-10 9.2327923e-10 1.0640903e-11 1.7297731e-08
 3.9455205e-08 3.4629907e-10 1.2319922e-09 1.1485657e-10 8.4790891e-01
 2.4386188e-07 9.3374575e-10 3.8451649e-08 4.9853065e-07 2.5365253e-08
 7.6609616e-09 4.3269286e-09 7.1659591e-04 5.1071204e-08 2.4261841e-08
 1.8264523e-10 4.0465022e-09 9.1001942e-11 2.2127142e-07 3.9258460e-08
 2.1889248e-12 2.2033680e-08 1.4227987e-09 1.2746638e-07 1.9505462e-08
 1.6738984e-08 4.7729104e-10 3.7515234e-12 1.2562142e-09 1.1755655e-10
 5.1365007e-10 1.2151048e-10 5.3035067e-13 5.6487850e-09 9.7670725e-14
 1.6257496e-12 1.8520213e-11 7.6952628e-12 3.6846880e-11 5.0702541e-13
 4.7135695e-11 2.8928837e-11 4.0766603e-09 7.0183708e-09 1.8595209e-08
 3.2971671e-11 6.3824174e-13 4.6908444e-14 1.6894420e-08 1.6895120e-09
 2.5072297e-10 4.8950055e-06 3.6151564e-11 1.3184312e-07 3.1952621e-10
 9.7919887e-11 2.1335600e-10 4.7179410e-11 1.8995458e-11 3.7198558e-10
 6.2714658e-05 3.8885687e-12 6.7578547e-11 7.2756812e-10 2.3682471e-11
 6.5512843e-08 1.2254628e-09 5.9674410e-10 2.4834409e-11 2.0924238e-11
 3.3989103e-12 4.2283543e-10 3.9926444e-09 1.5095444e-11 2.3637652e-08
 2.0081119e-11]


0.8479089


14


[1.6581255e-09 5.5543241e-09 3.4532889e-08 1.8379993e-04 4.7665974e-08
 2.5789786e-09 1.0273624e-09 3.8089545e-09 2.0635266e-06 1.8164576e-06
 6.2532445e-07 3.3077211e-11 2.5317091e-08 2.3498368e-08 2.0504041e-05
 1.2914954e-08 5.0711332e-08 1.6189279e-05 1.2554803e-05 2.8263261e-07
 2.7132328e-08 2.8041912e-08 1.7933222e-06 1.3155633e-06 9.7341524e-07
 1.6481020e-09 2.5062141e-06 2.6457667e-10 3.6941408e-06 5.0908665e-07
 4.8813766e-11 2.0633777e-09 2.4297604e-09 2.0249115e-06 2.0769416e-08
 2.6677239e-06 1.4738177e-08 7.0233025e-10 3.3235981e-09 4.0999408e-09
 2.4419562e-09 2.0437620e-09 1.6449520e-09 5.2106937e-09 1.4382946e-10
 1.5352435e-11 8.6993268e-10 2.8664996e-08 2.3185909e-09 2.9840067e-10
 1.8967148e-09 4.4729209e-08 1.8525416e-08 1.1519379e-08 7.0719497e-10
 1.9720985e-09 4.0655996e-07 3.0352793e-10 8.8753288e-05 4.2942665e-06
 1.0632442e-04 3.7443830e-04 1.0578221e-04 9.9904567e-01 7.4062673e-06
 8.3613907e-09 1.7129200e-07 4.3276802e-11 4.8085058e-10 2.1086140e-09
 1.2299591e-05 3.8490322e-10 1.3753301e-08 5.7848357e-08 3.0224443e-09
 3.2438972e-08 8.6908197e-10 1.5350993e-08 2.8144562e-09 4.0994619e-10
 4.6552446e-09 5.7445305e-07 3.8060204e-09 2.1678110e-09 8.5727798e-09
 1.1789158e-08]


0.99904567


63


[2.37269038e-10 8.71312522e-10 2.88610750e-11 2.79092474e-05
 2.61629722e-08 2.46139831e-10 5.17886038e-12 3.32861863e-11
 4.48905491e-09 6.36776321e-08 9.99964476e-01 2.47198755e-11
 2.89562347e-08 2.45626769e-10 3.57917293e-06 2.62049714e-12
 5.35202924e-11 1.18892717e-06 3.98748234e-08 1.94979838e-10
 2.15443592e-12 1.32361455e-10 1.35872620e-08 4.87169582e-10
 1.61864644e-09 6.28189190e-09 1.84384248e-07 8.56797619e-12
 1.25453703e-09 3.15680164e-12 3.62229994e-13 8.62491664e-13
 1.88154336e-11 8.31307176e-11 6.02080885e-12 1.93046620e-11
 2.80949591e-12 5.41824742e-15 5.44092462e-12 9.34254735e-13
 3.85400869e-12 8.06271282e-12 9.59811224e-12 1.91214511e-09
 1.69306015e-15 9.28853958e-15 3.29497432e-12 2.81026383e-11
 7.58847585e-12 1.87539667e-13 3.75555056e-12 5.19976466e-12
 1.71487546e-10 2.95369909e-11 1.49378865e-09 3.63074952e-11
 2.70116637e-11 6.30632157e-13 1.04721465e-07 4.39479519e-09
 9.37107544e-11 4.18780388e-09 1.53817670e-08 3.38994852e-07
 2.11382147e-08 1.32497034e-11 9.32345087e-12 1.94054218e-13
 3.00473119e-11 2.67400707e-12 1.79031179e-09 2.18556011e-12
 1.12714715e-09 2.42303660e-12 7.86160720e-12 1.08678178e-10
 7.66987114e-13 3.11935894e-11 4.98121889e-13 4.17604102e-12
 2.60474520e-12 1.80133325e-10 1.91772778e-11 2.48109367e-12
 1.90080289e-06 1.91122335e-12]


0.9999645


10


[1.0626942e-07 3.3248440e-07 2.1951181e-09 9.9986351e-01 1.2806410e-08
 3.5025437e-11 6.6095653e-12 1.9542085e-12 3.6186822e-09 1.0710821e-07
 4.6161745e-06 2.4339079e-12 3.0550545e-11 3.2800795e-10 1.2670692e-04
 6.4780659e-12 6.3969094e-11 4.5563837e-09 9.2574010e-10 3.5523662e-10
 1.3450974e-10 9.2855494e-11 3.4540367e-06 6.6359596e-10 9.9357829e-09
 2.1297049e-09 2.9447371e-08 6.2368828e-13 4.4024224e-09 2.0471025e-12
 1.4749555e-13 1.0051008e-11 2.9729658e-12 7.1304789e-09 2.6547228e-11
 4.7061660e-10 7.5007413e-12 1.0085790e-14 3.9081862e-09 4.8923425e-13
 2.0502891e-10 1.1769527e-11 1.5661670e-13 4.1590766e-09 3.5800186e-16
 1.9746002e-14 1.8858110e-12 3.4682941e-11 1.7215857e-12 1.5124805e-14
 1.3423484e-12 2.5053967e-10 1.5796607e-10 3.5621381e-09 8.8314273e-08
 8.2646745e-12 4.8148009e-14 1.2652292e-15 2.3003512e-08 5.3922089e-10
 6.3027694e-11 4.5969085e-07 6.2604644e-11 3.5943899e-07 4.4919584e-09
 2.9146810e-11 1.0162506e-11 5.7797564e-14 8.4732143e-12 2.1452634e-12
 4.8280768e-08 1.4150840e-13 6.3408390e-10 1.2805958e-10 2.7070826e-11
 3.3537170e-10 1.1937501e-12 3.6529710e-11 1.5413023e-11 1.1547905e-13
 4.3678451e-13 5.9388425e-11 3.6474011e-11 4.5764885e-15 2.0545466e-08
 1.2272962e-12]


0.9998635


3


[1.45939873e-06 2.81059365e-05 7.58055194e-07 3.00397398e-03
 7.72693109e-09 7.38694510e-08 1.18170034e-08 1.52998140e-07
 8.83718894e-06 8.35983974e-06 2.77676321e-07 2.61805901e-08
 1.72421223e-05 3.98178770e-07 1.35667779e-06 8.60484164e-08
 4.84469815e-08 1.65767074e-06 4.93387461e-07 1.37669588e-06
 1.79132272e-07 1.56381255e-08 1.69046052e-06 1.28398790e-06
 1.70759606e-07 1.90629507e-07 3.04928235e-05 6.79956447e-09
 5.98687399e-03 1.87770383e-05 1.61363400e-09 1.93330361e-05
 4.10430232e-07 7.61548616e-03 9.51661150e-06 1.57768523e-06
 5.86801399e-08 7.41746931e-08 1.28667665e-07 3.47007187e-08
 6.25805228e-07 1.83889185e-07 1.33093963e-08 4.71917843e-07
 3.07936870e-10 1.60459235e-09 3.28405072e-08 2.21224673e-06
 1.37628229e-08 1.48238155e-09 2.38087079e-08 1.14974981e-07
 3.10975878e-07 6.07602487e-07 8.48279058e-07 6.08171504e-08
 2.86669865e-06 9.98647565e-08 8.45526997e-03 1.81045618e-06
 3.77844408e-05 9.21901166e-01 3.41488747e-04 5.24658598e-02
 1.30239378e-05 1.58176050e-08 1.30194726e-08 2.71925638e-09
 1.04113718e-09 1.68231136e-08 3.70426142e-06 5.04986586e-09
 5.98636746e-07 2.96115763e-06 1.16109655e-08 1.37962616e-07
 1.05577991e-08 2.26536986e-06 4.18410941e-08 8.76395205e-08
 1.39894247e-08 2.13556405e-07 4.81424763e-07 3.05467402e-08
 3.20996537e-06 3.39866858e-07]


0.92190117


61


[2.64257483e-06 2.03984769e-06 9.18779186e-09 1.28831771e-05
 1.12337375e-08 1.07489903e-07 5.69620751e-09 1.33549054e-06
 2.57705981e-08 4.34126241e-06 1.04876960e-06 7.72808107e-06
 4.77318281e-07 1.54710349e-07 2.49377161e-04 1.42484126e-07
 1.10932781e-07 6.19652927e-01 9.71571878e-02 5.22292112e-06
 2.61263011e-08 6.31242892e-06 2.43951263e-07 1.57598279e-07
 5.90839988e-07 6.60903993e-07 9.86887585e-07 1.36098877e-09
 5.74148376e-04 9.66034655e-04 6.29675023e-09 3.06040165e-10
 6.48352795e-07 1.97972513e-05 1.14906572e-06 8.11697930e-07
 1.81562445e-08 3.17711812e-09 7.79909559e-09 1.64511547e-07
 1.02603096e-07 5.33649889e-08 7.29109644e-08 6.48943868e-08
 8.28461022e-10 6.29607477e-10 5.92182005e-07 5.14587200e-08
 3.24314620e-08 1.70291614e-09 1.96418846e-08 1.15880594e-08
 1.62727716e-07 2.21131918e-10 4.28322977e-09 1.86432729e-07
 2.78440148e-05 2.52620680e-07 2.24189153e-05 5.02682633e-06
 2.15786874e-01 1.60490054e-05 6.15484007e-02 3.82758863e-03
 8.24147864e-05 4.71685382e-07 1.25710386e-07 1.31771238e-09
 4.42260529e-07 4.83671101e-07 1.96126462e-06 3.19350391e-07
 1.55194442e-07 2.54345650e-06 5.14483361e-07 1.04067304e-07
 1.64352076e-09 9.33105525e-07 6.43250164e-09 7.57400720e-09
 4.21184296e-08 5.27685273e-08 3.15930407e-07 1.87165529e-06
 1.79788765e-06 7.08157177e-09]


0.6196529


60


[1.58976050e-08 5.94476539e-08 3.49040741e-10 2.50447169e-06
 1.51432328e-12 1.91281322e-12 4.29140274e-12 2.07011901e-08
 1.45655239e-08 2.51760426e-08 6.98522282e-11 5.61829516e-09
 2.88626048e-08 1.16906415e-10 6.86101913e-08 1.67601151e-08
 6.85049196e-12 7.53387894e-07 7.22644167e-09 1.47378842e-09
 3.34477723e-11 1.07765758e-11 1.66062630e-08 1.71131442e-09
 4.60831096e-11 1.92862930e-11 1.91244869e-08 1.88056276e-12
 5.37208281e-04 2.09959433e-03 4.84847882e-12 3.14481845e-08
 7.10211945e-10 4.63586775e-06 5.56414705e-07 1.23677490e-09
 2.51271191e-11 5.19106563e-11 3.85059346e-11 6.01660111e-10
 2.48322113e-10 5.56647124e-11 3.65212591e-12 3.62867403e-10
 1.58665236e-12 1.70445716e-13 3.11229986e-10 4.10950524e-10
 3.72591931e-12 8.83753682e-13 1.76237202e-11 3.00266713e-12
 4.66387096e-10 3.77970821e-13 3.53498963e-09 3.11584591e-10
 2.42553688e-09 3.91724916e-11 7.52331005e-07 1.30133406e-08
 8.32927697e-07 9.97235000e-01 4.70957730e-06 1.12663416e-04
 1.39677754e-08 2.42788450e-12 3.36239153e-12 2.79938594e-12
 1.19460683e-11 3.18307325e-11 2.96445499e-08 3.65630415e-10
 3.30186789e-09 8.15435808e-09 3.96384953e-10 4.03463513e-10
 4.23670300e-11 1.40272851e-08 2.21928847e-11 1.72049153e-09
 5.86225513e-11 2.06428652e-09 1.16425825e-09 1.06010667e-07
 3.25795835e-09 1.30325967e-11]


0.997235


61


[1.80310650e-07 9.99874949e-01 8.21026996e-11 8.14097712e-06
 1.87899730e-11 1.52971982e-10 7.19028699e-12 1.17534034e-06
 2.96435879e-12 9.07193396e-08 4.56496041e-09 4.04871656e-08
 3.02485610e-08 4.44001121e-11 1.14250826e-04 2.41204522e-11
 1.64391290e-14 1.56427529e-08 5.65137759e-09 4.04258875e-12
 6.09876516e-13 1.31629909e-13 1.25481639e-10 2.72241843e-12
 1.45444684e-10 1.14679433e-09 4.70202662e-11 1.12443789e-12
 5.87813105e-08 1.13966135e-10 1.09667951e-13 3.80030886e-14
 1.33898725e-10 8.73140102e-12 3.81686653e-13 7.81079021e-12
 1.03030637e-12 2.25810717e-14 1.06278875e-12 1.55608775e-13
 2.23886326e-11 1.13371313e-12 1.30268694e-13 1.81269433e-09
 6.07826184e-15 8.54446434e-15 1.47174790e-11 2.10439508e-13
 8.31301309e-14 1.37749241e-13 7.90758789e-14 1.54369261e-13
 1.24490418e-10 2.96019882e-13 3.73695547e-10 4.47934578e-10
 5.06364665e-14 2.39163425e-13 3.76915743e-08 1.03440356e-09
 6.01650813e-11 3.54521162e-10 9.99140681e-09 8.38507574e-09
 1.36852960e-11 1.00103528e-11 1.05654136e-12 2.85851703e-12
 2.90047088e-12 3.92956744e-11 1.64698406e-08 1.97973946e-11
 3.32738309e-10 7.45881551e-11 4.13335251e-12 3.99499295e-10
 1.84851509e-11 2.46517346e-12 9.56686919e-14 8.76193128e-12
 4.19991258e-14 4.94021699e-11 8.06050782e-10 3.00699604e-11
 9.74923068e-07 1.19787721e-14]


0.99987495


1


[1.6152079e-08 1.2721093e-09 2.4188149e-12 9.9974853e-01 6.8035411e-10
 1.3539415e-09 9.4029003e-12 1.5480239e-12 2.2484845e-09 4.8601132e-09
 8.8702412e-10 3.2102560e-13 2.6676978e-09 4.5713395e-11 8.6233763e-07
 1.4511748e-12 1.8379392e-11 2.0218362e-08 1.2280413e-10 1.0827095e-10
 9.3180602e-12 1.3581087e-12 9.4519814e-10 1.4582287e-11 1.4509058e-09
 4.8523265e-08 2.6162759e-08 1.7401115e-12 4.4616948e-07 2.0962988e-08
 1.8156250e-12 5.2138325e-09 1.3111574e-08 2.1479890e-08 6.6611720e-12
 6.2922498e-09 2.9741422e-13 1.6691136e-12 1.5053985e-08 1.5095330e-12
 2.2911839e-09 1.4238785e-11 4.1998485e-13 1.4425173e-07 2.0264555e-14
 1.8692617e-12 4.8082073e-11 1.1270323e-10 3.5213761e-12 5.9433964e-14
 2.9352736e-13 5.8258044e-11 2.7187227e-08 2.1482418e-09 4.2903934e-09
 2.7874465e-11 1.3897454e-12 8.7291779e-13 3.4920063e-07 7.7652249e-09
 2.4695737e-07 5.1967287e-08 1.5509100e-06 2.4729455e-04 2.1634276e-07
 1.8691439e-12 4.0104326e-11 1.3219400e-12 2.9954240e-12 2.9052241e-13
 7.8650871e-11 2.2990106e-13 5.2716949e-11 4.4067900e-12 1.4728871e-11
 4.2499290e-10 2.0349631e-12 1.8552571e-11 2.9259906e-12 1.6769053e-13
 1.4724146e-12 3.0476598e-12 2.8150154e-11 1.7893080e-12 9.0223304e-09
 4.1127597e-13]


0.9997485


3


[1.77447976e-06 5.66753897e-07 1.17379984e-09 4.68686068e-07
 2.08555271e-08 2.35566899e-10 1.45447515e-10 2.24994618e-08
 4.81491611e-07 1.39698725e-10 1.57512649e-11 2.14716939e-10
 9.37303355e-08 1.66612146e-09 7.36417292e-08 1.40360168e-08
 4.75099614e-06 2.68220319e-05 1.56725628e-06 8.91183561e-07
 6.47012897e-08 2.47236009e-08 6.65874911e-09 2.13541735e-08
 1.52067461e-08 1.31900777e-07 2.11339329e-06 2.89076834e-08
 1.44145926e-02 8.33658967e-03 6.87479798e-04 3.10686184e-03
 1.50792539e-01 2.89583491e-04 8.22307110e-01 3.78223308e-06
 4.17842507e-08 5.70450811e-06 2.05564288e-06 1.88968772e-06
 1.97212444e-06 1.55829525e-07 2.17043574e-08 5.08218534e-07
 8.93866954e-08 6.68816753e-08 6.14442328e-08 2.82331666e-06
 9.55978621e-08 8.41382727e-11 7.81660276e-07 1.89093505e-10
 1.92523348e-08 5.54203972e-09 4.13361619e-07 7.84856485e-11
 1.69002689e-07 2.04780637e-08 6.52815118e-07 3.31126202e-08
 4.69602135e-08 3.63113571e-07 7.91345713e-07 3.03917447e-09
 7.05226967e-07 2.57797605e-09 5.90241328e-11 1.70235603e-09
 4.06976719e-09 4.75745665e-10 1.54522445e-06 5.26805377e-10
 3.79876175e-09 9.21175882e-08 7.95002675e-10 4.39592723e-10
 1.20125820e-08 1.24235111e-08 4.92676212e-11 6.26156194e-08
 6.55917598e-10 3.92372856e-10 1.10901375e-11 2.37354936e-08
 1.96305280e-07 1.72225123e-10]


0.8223071


34


[6.37586936e-07 1.16287638e-05 2.51461452e-09 6.45018741e-02
 4.27181067e-06 3.26756705e-10 5.56899471e-10 5.30092548e-09
 5.61460470e-12 4.74689301e-08 7.38666040e-06 5.30601119e-10
 2.44652021e-10 4.80496865e-10 9.34674382e-01 1.77699366e-09
 2.04778486e-10 1.51402210e-05 1.47314452e-07 3.26627436e-08
 1.94780037e-09 3.19419435e-10 7.78317510e-04 2.81178139e-08
 9.32548403e-08 4.22715345e-07 1.12084827e-07 1.65403698e-11
 3.86068962e-07 2.78171708e-08 4.91351881e-12 8.04318279e-11
 3.86640581e-10 1.01607220e-08 7.15595291e-11 1.14430399e-07
 4.58577065e-11 2.08003059e-12 1.09510667e-08 5.68116977e-11
 4.79608042e-09 4.55790787e-12 4.30166346e-13 3.43582656e-08
 3.11489793e-13 6.19469103e-13 7.99972089e-10 5.74882850e-11
 1.25903635e-10 5.68850522e-13 3.94045144e-11 9.11840214e-10
 7.31294421e-08 1.00387493e-11 8.72021758e-07 1.55523545e-11
 2.15980798e-14 5.03180234e-13 9.38856999e-07 4.69117634e-09
 7.45371598e-10 1.10262526e-07 3.73543890e-10 4.06982991e-07
 5.11501197e-09 1.91373958e-10 4.21153029e-10 3.53672314e-10
 2.57530663e-10 4.18237611e-10 1.65192887e-06 1.61343106e-10
 4.36802643e-11 3.23354388e-09 1.85038396e-09 8.47640957e-10
 3.20095062e-11 5.44356712e-11 3.67377379e-11 9.49735689e-12
 3.66416831e-13 1.12966539e-10 2.86783908e-09 1.07245410e-11
 8.73175168e-07 1.27887165e-12]


0.9346744


14


[1.87959273e-07 5.96884542e-09 3.74857763e-08 2.61386886e-04
 2.49205243e-08 1.15646097e-08 1.83034636e-08 7.08193966e-08
 1.52154853e-05 3.11504482e-06 2.58763648e-05 7.67172104e-10
 2.00850337e-07 7.78160967e-08 2.47774515e-05 2.13450271e-08
 2.59262470e-06 5.88758849e-03 6.90617640e-07 7.05926368e-06
 1.45953621e-07 6.34336814e-08 8.47392439e-05 1.95403845e-05
 2.99356157e-06 1.91154399e-07 1.05638763e-04 1.56225521e-08
 8.17089131e-06 1.70391367e-03 1.39496885e-08 3.06619791e-06
 1.01887380e-07 2.36812707e-06 3.72529394e-05 2.15146247e-05
 6.10996409e-08 4.52167992e-09 1.29115506e-07 9.14829002e-07
 2.40718322e-07 1.32439766e-08 2.11807372e-08 1.17061211e-06
 8.28030178e-09 2.14160439e-10 3.21709592e-09 1.85504166e-06
 3.01071701e-08 3.65743347e-09 4.86823275e-08 3.24715842e-07
 3.29687879e-07 1.11687246e-08 1.94738760e-07 1.02593258e-08
 5.29048009e-07 1.55806475e-07 3.68532538e-03 9.59010720e-01
 5.11105405e-04 2.89835385e-03 2.10120634e-04 2.33856663e-02
 1.89429396e-04 2.71091842e-08 3.57418145e-07 4.48678295e-09
 2.81539880e-09 6.15230622e-09 1.87687762e-03 5.27578550e-08
 1.36342734e-07 6.62107084e-07 3.34217361e-07 1.17548842e-08
 1.21033086e-10 7.98950623e-07 2.66582685e-08 1.09556133e-07
 4.99596631e-08 4.31978651e-06 1.08338787e-08 1.67013869e-08
 7.43185637e-07 5.47748780e-09]


0.9590107


59


[3.80148236e-07 5.31507737e-07 3.50532880e-10 9.97099161e-01
 1.72469985e-08 5.61904856e-10 4.76381545e-10 5.56494885e-11
 5.21231858e-09 1.21035555e-07 1.23115664e-04 7.87199906e-12
 8.08997924e-10 2.14531629e-10 2.75920704e-03 4.28153173e-12
 1.36415060e-10 3.47170925e-07 2.45242338e-09 4.90540097e-09
 7.25843885e-10 9.26551724e-10 2.04761409e-06 1.10780896e-08
 2.05996841e-07 1.30134310e-06 3.15274953e-08 5.43939459e-12
 4.52794513e-09 3.23385818e-10 1.55911945e-13 6.34749035e-13
 5.88514697e-12 5.84919779e-10 1.83436964e-11 2.70815170e-09
 8.84944201e-12 6.70180261e-14 1.11337627e-07 1.05680490e-11
 1.79903903e-09 2.85891233e-12 6.48755192e-13 1.23259866e-07
 3.51395515e-15 5.11972843e-13 6.92165006e-11 2.99905017e-10
 1.10207477e-11 8.67641665e-14 3.87589917e-12 1.59805791e-09
 5.77145887e-09 3.48018031e-10 1.18461912e-05 1.35208919e-11
 1.01155887e-13 2.96693661e-15 1.56220821e-07 9.89175746e-08
 1.99638972e-09 1.13156972e-07 6.39724718e-10 8.00533883e-07
 1.49536739e-08 1.08664877e-09 2.48621929e-10 5.57696424e-12
 2.00843187e-09 2.67009175e-11 2.07497166e-08 5.66135645e-11
 4.34621561e-10 7.05962455e-10 1.47802115e-09 5.73930592e-09
 1.24794758e-11 7.71815778e-10 7.03686137e-11 5.38003496e-12
 2.14766122e-11 3.00275915e-10 1.12853371e-09 2.37402134e-12
 2.26375562e-07 7.08802456e-14]


0.99709916


3


[6.81107849e-07 9.36469878e-05 8.66504735e-08 1.45637162e-03
 2.54672228e-10 3.48753804e-09 1.04456594e-08 5.00192482e-06
 2.57937121e-04 5.47421280e-07 1.49571455e-09 3.39805156e-10
 6.37082167e-07 1.07665779e-08 5.86256128e-08 5.61998403e-09
 1.08337375e-07 6.61162346e-07 2.79355783e-09 1.38994977e-07
 2.74553198e-08 1.96407446e-09 9.36591746e-08 1.99437849e-07
 4.57974885e-08 1.37503946e-07 2.08102338e-05 1.79478974e-08
 3.93585395e-03 3.74344766e-01 1.96790761e-08 4.64213983e-04
 2.85733578e-04 7.41652693e-05 2.27176026e-03 1.97189252e-06
 2.95845393e-08 1.40172503e-07 2.42844237e-07 1.64471203e-07
 3.68812607e-07 2.32208691e-07 1.49622039e-08 3.91486537e-06
 7.83781706e-10 1.62552034e-08 2.46828935e-09 1.78055707e-05
 3.16763149e-08 1.25809835e-10 9.85456950e-07 2.80516694e-08
 1.99361395e-07 3.79917338e-07 1.38467876e-05 3.29987571e-09
 3.56250030e-06 1.74735888e-07 1.96698587e-03 2.80845864e-03
 6.29507758e-06 6.00704968e-01 1.20430405e-03 2.31846515e-03
 7.72818690e-03 4.36705827e-09 2.99516572e-08 2.09035669e-08
 3.15627946e-09 1.51409918e-09 3.65300963e-07 5.22994492e-09
 2.24158725e-07 4.17956954e-07 2.80737633e-09 3.19233529e-08
 1.96755224e-07 1.30612102e-06 2.97004116e-10 1.32645425e-06
 4.40238207e-10 7.85685543e-08 5.77742876e-09 8.62139444e-08
 3.26822203e-07 7.69211528e-10]


0.60070497


29


[4.02941168e-07 1.45725960e-06 1.20790034e-07 1.11377915e-06
 1.93557153e-08 1.81657389e-09 9.02927066e-09 1.37890665e-05
 1.22694428e-05 6.24021936e-07 2.02211197e-07 6.59639772e-06
 1.10635447e-05 8.06641154e-08 1.25298138e-05 1.83081099e-07
 1.89146817e-06 2.93131888e-01 1.67282275e-03 6.89787412e-05
 9.48597503e-08 5.96846803e-07 1.63953985e-06 1.00973205e-06
 1.97635316e-07 2.56887596e-08 1.61422977e-05 6.86342361e-09
 6.28375039e-02 3.85143124e-02 1.12671671e-06 2.68443955e-06
 3.37022357e-05 8.77367893e-06 2.36194264e-02 9.97850748e-06
 5.38496977e-07 2.55351580e-07 1.20919708e-07 4.44934221e-06
 6.29230613e-07 1.05061622e-06 1.22100175e-07 6.03849699e-08
 1.57284621e-08 1.46256762e-09 1.30062062e-06 8.70702422e-07
 3.63777630e-08 5.08738329e-10 1.11487793e-06 8.59520899e-09
 1.65127503e-07 3.81550985e-10 3.57460948e-07 2.51201122e-08
 1.26387486e-05 2.42671689e-07 2.26975465e-03 3.02756434e-05
 3.56564368e-03 5.47454715e-01 1.99265685e-02 4.53817265e-05
 5.86833153e-03 4.48597717e-07 1.62872436e-08 7.40294981e-09
 6.61982426e-07 7.46763249e-07 8.11880804e-04 1.07364519e-06
 8.73421925e-07 5.39112898e-06 6.53328016e-07 3.15655448e-08
 7.66852963e-08 3.80537563e-06 4.28711422e-09 1.52624273e-06
 1.96316606e-07 3.36934960e-07 3.60695509e-08 1.87300441e-06
 2.48478023e-06 3.29886660e-08]


0.5474547


61


[2.03504123e-06 8.92460719e-08 1.28822220e-09 5.09877270e-03
 1.14289065e-07 1.06857867e-09 4.03180295e-10 1.58858924e-07
 9.75468574e-05 1.70715020e-06 6.35105243e-06 4.09052916e-08
 6.23121480e-07 1.73780990e-08 1.34627637e-03 1.10717004e-07
 1.49089114e-08 8.11431237e-05 2.29663343e-07 1.40868178e-06
 8.66874628e-10 7.56698815e-10 1.17623076e-05 6.69373662e-07
 7.00743641e-08 1.61980165e-06 1.45100439e-05 2.21511504e-10
 5.94884809e-03 7.79046178e-01 1.14916673e-10 1.20040824e-07
 2.75877528e-06 6.04658380e-05 4.22642233e-06 9.49695675e-07
 8.16050250e-09 1.67953673e-09 6.04709385e-08 2.30437607e-07
 3.21028125e-07 1.22008048e-09 1.85412602e-10 2.12864606e-07
 9.28235752e-11 1.80134883e-11 6.93425761e-08 2.73421335e-07
 5.88281091e-10 7.61371730e-11 2.31133619e-08 1.04447639e-09
 3.92890627e-07 1.16120846e-09 4.65044810e-04 1.27810260e-08
 1.90575449e-07 2.63386912e-09 4.68807775e-05 2.19332719e-06
 9.30583396e-04 1.98363423e-01 3.66231520e-03 4.65864083e-03
 4.85566743e-05 8.13349885e-08 2.37714488e-08 3.44594714e-10
 1.74586418e-07 3.57614649e-09 9.33093418e-07 2.76274960e-07
 4.36039386e-07 3.53452037e-07 4.43854020e-07 5.17801908e-08
 1.04906850e-09 2.50480525e-08 1.16673438e-09 9.00680988e-08
 1.48734869e-09 8.14943206e-08 7.96532351e-09 1.31339766e-06
 8.74323450e-05 1.00705954e-11]


0.7790462


29


[9.2981850e-08 1.6564669e-05 3.7887471e-09 2.3128992e-08 1.2819842e-10
 9.3569930e-10 6.7526845e-11 3.6139566e-10 2.1205594e-07 3.9646498e-08
 4.1544808e-08 4.3828939e-07 9.1180900e-06 6.0628826e-09 5.1548769e-04
 1.5704840e-09 5.7634522e-11 3.6905082e-08 7.7176376e-10 6.0664312e-10
 2.6056371e-11 8.3774681e-13 3.4751986e-09 4.0230416e-10 4.6209811e-10
 2.0080545e-06 1.8177369e-08 1.8967544e-10 9.8370617e-07 4.5182563e-08
 1.3655784e-11 2.9351308e-09 1.1637427e-07 1.3037638e-09 2.6062624e-08
 1.8916104e-09 2.0802787e-10 3.4949842e-11 5.9643797e-09 6.6679345e-10
 2.7692224e-09 2.5403174e-10 2.8551789e-11 5.8743222e-08 1.8100274e-13
 4.9460213e-13 1.1380846e-10 2.0955949e-10 5.0955967e-12 3.5527314e-11
 9.5065922e-10 1.6138270e-11 1.7173908e-09 1.6034122e-09 3.9987812e-05
 7.1926456e-09 1.4536091e-11 2.8104082e-12 3.4026364e-09 5.2714233e-09
 3.0689349e-09 2.7813883e-06 7.0484165e-09 1.6152021e-09 3.9014845e-09
 6.0842648e-10 7.9495030e-12 1.5670118e-11 1.3568666e-09 5.3670413e-10
 5.9743277e-10 2.1213662e-09 3.1056910e-09 2.1306835e-10 7.0070040e-11
 2.1931634e-10 2.8041075e-11 1.5982907e-10 4.2512472e-13 2.4906095e-09
 4.3460921e-12 8.5329732e-10 1.2999317e-10 3.0613917e-10 9.9941194e-01
 7.4677127e-15]


0.99941194


84


[5.15640248e-03 2.42396694e-04 6.79832510e-08 9.93561625e-01
 5.24917931e-09 5.16659156e-07 1.80028617e-10 1.61057955e-11
 1.01961945e-07 7.07110814e-08 6.39021544e-11 1.05367486e-10
 3.42104921e-11 3.83679949e-10 6.63273477e-06 2.37826869e-10
 1.87206666e-07 2.27125341e-09 4.97728386e-11 7.13345147e-11
 5.34864597e-10 9.09265788e-11 3.30837537e-07 2.16901475e-09
 3.34725803e-09 3.00302894e-08 2.42248319e-08 5.51575730e-10
 7.36768072e-07 2.01022999e-07 2.03429992e-13 1.85198026e-08
 2.13349569e-08 3.60137413e-08 4.89453478e-10 1.11113103e-07
 2.09699924e-09 1.83140031e-11 5.45696651e-07 3.98470215e-11
 8.16060094e-07 1.68996539e-09 4.27333099e-11 5.81363820e-05
 2.56304496e-14 1.05866073e-10 2.64144095e-10 4.94463448e-09
 9.40475389e-12 4.81795539e-13 9.53651463e-11 5.13097014e-08
 2.24350938e-08 1.46256643e-04 8.19374109e-04 3.00317521e-10
 1.41165324e-12 1.81543487e-13 1.92152800e-08 3.58413317e-08
 2.72614997e-08 3.26269992e-06 7.86224064e-08 1.73503759e-06
 6.82822376e-09 6.72355505e-09 5.84131641e-08 4.15256328e-12
 7.37889541e-11 2.38181863e-10 1.20170496e-08 7.06625383e-12
 4.35549241e-09 1.74700185e-10 8.25823965e-10 3.24127569e-08
 5.70827163e-10 5.08846476e-09 1.75042307e-11 1.79875784e-11
 2.90789597e-11 3.74143815e-12 1.44797907e-09 3.55599983e-14
 4.34876846e-09 2.56552245e-12]


0.9935616


3


[1.58366481e-06 3.01559794e-06 2.15156479e-08 1.14517097e-05
 2.60733257e-09 5.59382263e-11 5.06440515e-11 6.41308695e-09
 4.98519057e-07 9.20910223e-11 5.20395684e-13 4.62638122e-11
 7.87451100e-08 8.99529784e-10 1.97099652e-08 3.85094339e-08
 3.24357570e-05 3.81192876e-07 1.44761714e-08 3.76623577e-09
 3.84741909e-08 3.86171539e-10 1.17087255e-08 1.71061334e-08
 2.08730477e-09 3.06582426e-10 2.54739199e-08 2.15425029e-08
 2.46222094e-01 1.56662073e-02 1.37950608e-03 1.75683111e-01
 5.39609969e-01 8.51487461e-03 1.27861788e-02 7.41192389e-06
 4.40497331e-07 6.78574179e-06 1.12931602e-05 3.07375853e-06
 2.25132808e-05 2.56425415e-06 3.17662412e-08 1.94340355e-05
 1.18576855e-08 6.88171167e-06 1.40702952e-07 2.08122174e-06
 3.96196249e-08 1.14572128e-11 2.45277420e-06 9.04672309e-11
 2.20684839e-07 1.41467453e-07 7.47785407e-08 2.13054964e-12
 9.26563359e-09 2.78742252e-09 3.74854316e-08 2.79497865e-08
 9.27359380e-08 1.50005377e-07 1.50035405e-07 8.85393447e-09
 2.99135365e-08 4.22205437e-10 1.00655551e-09 1.39492595e-09
 2.32142486e-10 1.18594947e-08 1.65763072e-06 9.66927927e-11
 9.78679964e-08 3.56476363e-07 1.89708671e-09 9.18253829e-09
 3.73806230e-08 6.96191478e-08 2.55955430e-11 1.85972038e-08
 9.81765669e-10 3.22297069e-08 4.96081518e-12 1.40223522e-09
 3.44845397e-09 2.99721636e-10]


0.53960997


32


[1.8294445e-08 7.8014067e-10 7.2217576e-10 4.3232703e-06 2.8290210e-09
 9.0748433e-12 2.4958321e-12 1.2198435e-14 5.0095050e-11 6.1769014e-12
 7.2768125e-11 4.1876742e-11 2.5597566e-11 1.7240178e-12 5.5469047e-07
 5.7094385e-10 3.1069769e-09 2.1023619e-07 1.3168823e-09 3.0648098e-10
 4.8016519e-10 4.1433804e-11 3.3996566e-03 2.7172669e-09 3.1994565e-10
 1.6811949e-13 1.3674141e-10 2.5236967e-12 4.1906208e-08 1.3254392e-10
 3.4670863e-10 9.9960666e-08 1.6497609e-08 9.5979678e-09 5.7586707e-08
 1.7089083e-09 5.5206360e-12 6.6211884e-12 1.7866582e-10 6.0656731e-12
 1.3553295e-10 8.6882820e-11 1.2421471e-12 1.5041900e-10 1.3981260e-13
 2.1464537e-13 1.2192127e-11 2.4280817e-11 5.5382565e-13 2.2676497e-15
 3.9289464e-11 3.8206356e-12 1.0437479e-10 3.6894748e-11 6.5774599e-12
 4.0882133e-13 5.5678178e-13 1.7240343e-12 7.7330448e-08 8.6777789e-08
 3.7357828e-09 3.8526878e-08 8.6934915e-10 6.8823403e-10 1.0157805e-10
 3.6123562e-11 3.3899755e-11 1.0832673e-12 5.7699661e-14 1.0162714e-09
 9.9659473e-01 1.3892006e-12 7.2777739e-10 9.6037074e-11 8.7282452e-11
 3.0205705e-10 4.8445319e-13 6.9442979e-11 5.1740078e-11 3.0032873e-12
 7.5399010e-12 2.3581997e-10 6.3139612e-11 7.1002870e-16 9.3870441e-13
 1.1850065e-10]


0.9965947


70


[1.0018834e-06 9.0309135e-07 3.4578179e-10 8.9706486e-01 5.7279789e-07
 4.1771684e-09 3.3282106e-11 6.9862163e-12 1.5973721e-10 6.1734777e-09
 3.4284135e-08 2.9314871e-12 4.8980681e-11 1.8845847e-11 1.0290339e-01
 9.1827039e-11 6.2884826e-09 3.0388776e-08 5.8764904e-08 2.2931522e-08
 2.9294069e-09 8.3385443e-10 2.1516375e-05 2.0827551e-09 1.9651482e-08
 1.0576780e-08 2.3431946e-11 3.9655987e-12 6.6630015e-08 2.2936442e-10
 3.0182362e-13 1.5986516e-11 2.1793516e-09 7.5802732e-11 7.1488510e-11
 6.5985028e-06 2.3274012e-10 1.7127064e-11 1.2014834e-07 1.4311318e-11
 2.4396282e-08 4.3438303e-10 3.6264618e-12 1.4710541e-07 3.0571933e-14
 2.4267400e-12 1.9826980e-10 6.5297484e-10 1.1924483e-11 1.4242596e-13
 7.4785400e-11 5.4094706e-10 6.2110597e-09 2.3867066e-09 3.5059875e-07
 1.6735559e-10 2.2623812e-15 2.5646773e-17 2.5173330e-09 3.9874175e-09
 3.2491339e-08 8.5668461e-08 4.1091647e-11 5.7177590e-10 1.1205167e-09
 1.3741845e-10 2.3046250e-10 7.7191396e-12 1.1628590e-10 5.0416112e-11
 2.5888106e-08 1.7358156e-12 1.5400731e-11 6.7622546e-11 5.1303805e-11
 4.5615978e-09 5.0533661e-11 1.2977895e-11 4.0644244e-10 6.2387860e-12
 1.7090735e-12 2.5336167e-11 1.6076329e-10 4.6631749e-14 7.5473267e-10
 6.3670515e-13]


0.89706486


14


[9.91164825e-07 2.90496537e-05 1.32084796e-08 6.81606308e-03
 1.76575785e-08 4.43849899e-07 7.04218834e-08 9.00497898e-09
 5.03709198e-05 6.29384886e-07 3.35549032e-07 6.97636882e-09
 5.83765313e-07 9.81975301e-09 1.36588165e-03 6.13200513e-08
 3.26947043e-06 2.97555147e-04 9.14585371e-07 8.49950482e-07
 2.32248993e-07 1.45718460e-08 6.47527777e-05 6.50801167e-06
 1.17040634e-06 2.19560349e-07 1.39623498e-05 1.36372980e-09
 2.27303747e-02 3.44834203e-04 3.48103981e-08 3.99329281e-08
 5.31437181e-05 5.42969261e-08 8.02396622e-04 5.01465111e-05
 4.09037781e-08 1.87507041e-08 1.02243951e-06 1.37104038e-07
 3.18805604e-07 2.22876633e-08 5.35776188e-08 3.38306427e-06
 6.16970475e-10 9.78764181e-10 1.18417889e-08 1.75927823e-06
 1.13529826e-08 2.62838085e-10 7.20962916e-08 4.04996285e-08
 1.81357251e-07 3.00563272e-08 3.17385138e-06 2.31359849e-07
 4.90011189e-07 1.46528323e-09 2.27630921e-02 1.66571012e-03
 6.62585199e-01 2.31040618e-03 2.51543045e-01 7.74836633e-04
 2.42109746e-02 1.96825317e-06 1.23821542e-06 1.81380688e-08
 1.92741254e-07 4.23079491e-08 1.48388464e-03 1.50317035e-07
 2.23759315e-07 1.01082032e-05 7.73073978e-08 2.83152161e-07
 2.34525686e-07 3.20774802e-07 2.11508571e-08 2.93716642e-08
 2.57887880e-08 1.64111214e-06 1.74822375e-07 3.36139316e-09
 7.80803404e-08 1.00200748e-09]


0.6625852


60


[3.1350018e-07 2.9784331e-07 3.4218206e-10 6.5215552e-01 8.9016530e-06
 1.3119279e-07 6.1742911e-10 4.4114981e-10 1.6026268e-08 1.0236486e-06
 3.4478843e-01 5.6061412e-11 1.6050986e-08 6.6442424e-10 1.0195845e-03
 1.0561758e-10 5.6184007e-10 2.4790756e-05 5.1011801e-07 8.8531841e-08
 2.3318417e-10 1.6078830e-09 2.3050103e-05 8.1211908e-09 1.9574729e-08
 1.1092569e-07 1.2696873e-07 1.4990742e-10 3.7949229e-07 2.4708453e-07
 9.1039448e-13 6.7968847e-12 1.3758883e-09 1.5909771e-08 4.3301620e-09
 3.5447977e-07 1.7773727e-09 8.7206501e-12 2.6652646e-08 2.5702255e-11
 2.0356296e-07 1.7579049e-10 4.0588005e-11 5.3810827e-06 2.0587033e-13
 1.3145034e-12 3.9608350e-10 3.8085117e-09 3.1927494e-10 1.8428009e-12
 1.5194268e-09 2.9829441e-09 2.1228695e-07 1.7292662e-09 2.1089501e-07
 2.1928782e-10 1.1492078e-12 2.8195011e-13 1.9183065e-03 6.4669316e-06
 1.1432788e-06 3.9731065e-05 3.0791952e-07 3.5349151e-06 5.7000630e-08
 4.5092476e-09 7.2605828e-09 3.4950896e-11 1.1048279e-09 3.4096875e-11
 2.5092982e-07 1.8522182e-10 3.4967869e-09 5.7376237e-10 3.0953824e-09
 4.2809871e-09 2.8716722e-11 2.4199265e-10 5.2198454e-09 3.2477698e-10
 4.3482681e-10 1.5349238e-08 6.7379831e-09 1.8074975e-10 1.2987933e-07
 2.6972810e-10]


0.6521555


3


[5.92720312e-07 6.66637470e-06 1.23204308e-10 1.78670540e-04
 1.98280037e-09 2.08725992e-09 1.80491373e-08 7.08877650e-08
 1.49599066e-06 2.76350676e-07 2.19648943e-09 2.20213252e-08
 1.39818330e-05 2.30844788e-09 2.55686837e-06 9.95238238e-08
 9.14022991e-09 2.16340377e-05 5.64415714e-08 7.79078562e-08
 2.31984010e-09 2.52976834e-10 5.02406605e-09 1.27671065e-08
 2.04377937e-09 2.77635024e-07 1.94995009e-05 1.41311837e-10
 8.75179887e-01 5.30324243e-02 2.97846681e-09 1.85556178e-06
 2.26346219e-05 2.88657495e-04 2.16740812e-03 2.09643190e-06
 3.21014006e-08 6.87264432e-08 3.02686885e-07 1.34852996e-07
 1.07251458e-06 2.65693263e-08 4.26341451e-09 4.45668498e-08
 5.49938046e-11 2.94330477e-10 3.23254001e-09 1.18676235e-06
 5.96019767e-09 3.50835222e-10 8.25373014e-09 1.44738099e-09
 1.20291375e-07 2.19778542e-08 1.79520237e-06 2.32965416e-08
 1.61048411e-05 1.67054068e-07 4.06883628e-04 2.64419413e-07
 4.28042188e-02 1.62622910e-02 9.38666798e-03 7.73429201e-05
 9.76803931e-05 1.41448702e-08 6.07951467e-09 1.92934690e-09
 3.91065758e-09 6.54394650e-10 3.92798007e-08 8.98964245e-08
 4.53796751e-08 2.85329179e-07 1.54727928e-08 1.13621885e-08
 8.56937010e-09 3.19155447e-07 6.70229205e-09 1.01470782e-07
 1.67074299e-09 2.07193462e-08 1.08977725e-08 1.44016008e-06
 1.42912626e-07 2.67857070e-10]


0.8751799


28


[5.42494377e-07 6.66443167e-09 4.05182887e-10 1.08320634e-07
 1.49667045e-09 7.16874199e-11 3.06119463e-10 4.74456883e-08
 1.29314310e-08 3.16856630e-09 2.76437762e-10 8.08677303e-09
 4.63953187e-09 1.06962017e-09 2.23361468e-07 1.17579361e-07
 1.04930398e-09 1.59543962e-03 1.00352387e-04 1.14564375e-06
 2.30452368e-09 1.70586176e-08 2.39321611e-08 8.26257036e-08
 1.27241184e-09 1.10845921e-09 1.11669074e-07 6.82861198e-11
 2.64252776e-05 9.90823865e-01 9.61348445e-10 1.13083551e-08
 2.06755743e-07 1.64773344e-04 1.25345308e-03 1.60470876e-07
 6.39910180e-10 2.69225242e-09 7.62958052e-09 5.69504692e-08
 1.65744467e-08 1.10389404e-08 6.52493615e-11 8.94581076e-10
 3.77650897e-11 5.85843570e-12 7.38727213e-09 3.15484847e-08
 2.42311060e-10 3.34874945e-12 8.33938607e-09 1.56567176e-10
 1.22545156e-08 1.36190373e-11 1.40622518e-07 2.20144042e-11
 1.16430051e-07 5.05973152e-10 4.78437414e-07 3.69547557e-08
 4.01781790e-06 5.99707710e-03 2.40950267e-05 7.31880448e-07
 2.24130395e-06 1.92608929e-09 1.12995023e-10 3.07833842e-10
 2.16905871e-08 1.67214553e-09 1.38726319e-08 1.42137528e-08
 6.12485673e-10 1.45349555e-08 2.31742348e-07 2.22503904e-10
 1.10754773e-10 6.82144972e-08 1.65196412e-10 1.00506279e-08
 1.42759093e-09 9.71873346e-11 3.92226390e-10 3.31644674e-06
 5.22616759e-08 3.90674881e-10]


0.99082386


29


[6.11532698e-07 1.98026171e-07 9.06820521e-11 2.55486498e-07
 4.43732898e-11 3.16272789e-12 1.20959395e-10 1.49325396e-09
 5.49138235e-07 2.45241871e-08 2.72655596e-12 6.02325144e-07
 3.84229361e-06 6.11818818e-10 1.09619883e-04 9.33681008e-07
 1.37003147e-08 4.63504221e-05 5.24682378e-07 1.17396644e-08
 7.55746077e-10 5.64509661e-10 1.23365229e-08 1.41886730e-07
 7.94714738e-10 1.25732900e-08 2.72657489e-04 6.02917846e-12
 4.59958255e-01 1.45980353e-02 1.62125282e-08 1.07158939e-05
 6.34342541e-06 7.42266566e-05 2.76635677e-01 8.90716763e-08
 5.74340975e-09 1.50448418e-08 1.32355922e-07 3.64867304e-07
 1.19720355e-07 1.93080503e-08 2.35635234e-10 5.89443250e-09
 1.40325989e-11 5.98783315e-11 1.98599128e-08 2.95647826e-08
 4.21534779e-10 1.07974095e-10 2.21405489e-08 6.76161627e-11
 8.14825363e-09 8.54496252e-10 1.03000730e-06 1.00276853e-08
 2.52599602e-05 1.14163804e-07 3.55796578e-06 9.95348941e-08
 1.79423600e-01 6.80232421e-02 2.28087025e-04 2.77785239e-06
 5.69528958e-04 1.39326550e-09 1.25631117e-10 3.34409833e-10
 6.54791492e-08 1.23577065e-10 1.96009012e-07 5.14644000e-07
 7.63783259e-09 5.47431220e-08 6.67088962e-09 1.47227013e-08
 2.03243533e-09 4.93364666e-07 4.12081896e-10 5.58828333e-07
 7.72518405e-09 9.77721459e-09 4.33087149e-10 3.04117862e-07
 9.76712542e-08 1.17004301e-12]


0.45995826


60


[1.18485069e-07 9.99995112e-01 7.62950814e-11 6.64720190e-08
 1.75085597e-12 2.98498693e-13 7.04730802e-14 7.02953418e-10
 1.27827133e-12 4.20983214e-11 4.00936229e-12 8.91667806e-09
 5.12658138e-10 1.33241812e-12 3.18620755e-06 3.10050215e-11
 8.23559801e-15 2.11644487e-11 4.00255884e-10 2.36401523e-12
 3.23217337e-13 9.85243991e-14 2.39937167e-11 1.38165911e-11
 6.42839785e-13 6.23800733e-11 6.83096114e-12 1.52612061e-14
 7.86941678e-10 1.22708266e-09 1.59492360e-16 3.02933914e-14
 5.04835965e-11 1.08535929e-13 1.80326119e-11 2.63664958e-13
 1.17737645e-12 1.61448831e-15 1.21905817e-12 1.00922375e-14
 2.51928442e-13 4.64978696e-13 6.03709181e-16 1.98770889e-10
 1.01352389e-17 3.70421018e-15 6.03801948e-14 2.41291459e-15
 1.61216204e-15 3.95577965e-16 1.74667572e-13 1.54702843e-14
 4.98454522e-13 3.66989560e-13 1.59459539e-08 2.89129506e-13
 3.60246670e-15 5.03679513e-16 4.92876963e-12 1.92693287e-13
 2.83664071e-15 2.27802222e-08 1.10709174e-12 6.10714346e-14
 1.08683834e-13 3.85018650e-13 2.01373560e-16 7.13612112e-14
 8.10962734e-13 4.49545539e-13 2.43500966e-11 4.18667228e-12
 4.65874409e-13 1.88865091e-12 1.34009345e-14 3.17472307e-12
 5.93890334e-13 1.49265786e-13 3.71186037e-16 6.22465707e-12
 1.86731780e-15 2.38946829e-13 1.37091232e-11 1.19386163e-12
 1.33804531e-06 4.84627337e-18]


0.9999951


1


[1.85798932e-08 4.17957580e-08 2.34643305e-10 9.99908328e-01
 1.32826944e-10 5.14237319e-10 6.26626008e-12 1.76536574e-14
 1.53351110e-09 2.28392895e-11 1.06271881e-12 2.52376570e-12
 1.68753242e-08 5.81955437e-13 5.23678594e-08 3.80914137e-12
 1.93677106e-11 2.78838519e-12 2.41009643e-12 6.40933556e-11
 4.20086665e-12 2.95341713e-13 2.86813204e-08 9.58743761e-12
 2.17190719e-12 8.51506310e-10 3.37288952e-09 5.88045715e-12
 5.39011182e-08 4.00794124e-06 5.91144429e-14 1.02512079e-08
 1.65039431e-08 8.64546479e-09 4.62667117e-07 4.02512601e-09
 1.15306497e-11 1.51304108e-11 3.94244459e-08 6.60797025e-12
 4.95413808e-08 8.95161098e-11 1.46545929e-13 1.23577422e-07
 7.07172265e-15 4.36287020e-13 6.00028638e-11 2.15124557e-10
 2.86949414e-12 8.20716514e-14 9.10672301e-11 9.65932126e-11
 1.04354592e-09 1.15640525e-07 2.85251133e-07 2.88119626e-13
 3.93736232e-13 8.61321207e-15 5.41198697e-10 5.39553735e-10
 7.48869022e-10 8.60905930e-05 2.09929105e-08 1.40613687e-09
 2.98357634e-07 7.72862503e-12 8.25767146e-12 1.05050018e-12
 1.95836528e-10 1.56733391e-13 3.68551023e-11 1.48401322e-12
 1.06247008e-11 1.51245266e-11 1.28189459e-10 1.25375071e-10
 4.63877617e-11 1.01104930e-10 1.25840024e-11 3.11183111e-12
 2.02821890e-13 1.65332754e-12 1.36803568e-10 7.83604692e-12
 2.41907139e-09 1.26485750e-13]


0.9999083


3


[1.96343237e-07 9.67075522e-08 4.73627748e-10 1.71395516e-06
 7.30140726e-10 1.07358749e-11 8.04467951e-12 6.77143785e-10
 3.60763721e-08 7.53558587e-12 4.17123611e-14 4.28090133e-11
 5.47698313e-08 2.62374567e-10 2.77658341e-09 4.74613726e-09
 6.47066656e-07 9.62623830e-08 1.60879424e-07 6.32878638e-08
 2.02398565e-09 1.95490749e-10 1.38292344e-09 1.79121362e-09
 5.18106634e-11 1.20051513e-09 6.10616802e-09 1.08112996e-09
 9.74922299e-01 2.34836969e-03 4.94399956e-06 1.94908679e-02
 2.97180261e-03 7.15363785e-05 1.81525582e-04 9.19696106e-07
 5.98032557e-09 6.33864772e-07 1.46066256e-07 1.03425464e-07
 3.20507922e-07 3.69665685e-08 5.93114724e-10 5.68534176e-07
 1.74138670e-09 5.46689058e-08 4.39794228e-08 2.24755217e-06
 7.23910754e-09 6.31867822e-12 1.15127293e-07 5.89559001e-12
 1.73617742e-08 1.59205165e-08 1.04654191e-07 5.72528570e-12
 3.49504425e-10 1.15803665e-10 3.26444187e-08 4.85514740e-10
 1.74631942e-09 8.94125733e-08 8.66382965e-09 8.33110456e-11
 2.98624592e-09 1.56557623e-12 1.38285078e-11 5.00267570e-11
 4.46975026e-11 3.62548519e-10 4.39650627e-09 9.61946408e-12
 2.04998907e-09 5.71792835e-09 1.22376290e-10 3.42071732e-10
 1.48404800e-09 1.50439960e-09 2.17633377e-12 2.67500706e-08
 1.26832199e-11 9.37393566e-11 2.86592907e-13 8.72942829e-10
 5.26784394e-09 4.41894188e-10]


0.9749223


28


[5.07543341e-09 1.03119779e-09 2.08892170e-09 3.09102982e-03
 2.38613413e-08 1.01561433e-11 2.10990364e-13 2.20821394e-13
 1.28403245e-12 5.07315067e-12 1.53203714e-10 1.03326854e-10
 5.29462715e-12 1.54795786e-13 1.62577435e-05 4.13103662e-10
 2.56150523e-09 4.42885870e-08 4.41243975e-09 1.07932641e-09
 1.16897228e-10 2.17242779e-10 9.96869385e-01 1.74195369e-09
 2.72978168e-10 7.80011702e-14 1.20010457e-09 1.52305902e-12
 1.13684465e-10 5.39704878e-11 5.03062652e-13 4.77464179e-10
 7.40814701e-12 1.00607545e-09 1.56759900e-11 2.55174237e-09
 5.13697722e-12 2.64354294e-12 2.26801633e-10 5.19994692e-13
 1.29211170e-10 1.52261743e-12 1.65612271e-14 7.43127573e-11
 2.56129698e-15 1.55220048e-13 2.28647084e-11 6.76601108e-10
 1.18791641e-12 5.50561632e-15 4.96309461e-12 1.18804055e-13
 2.29207403e-10 5.62961179e-12 1.34762326e-10 6.82869560e-14
 9.15725456e-15 1.34733779e-14 4.93741092e-09 3.61987218e-10
 4.39322120e-11 1.75100206e-06 5.58551382e-12 2.67043676e-09
 1.79674019e-11 2.05379171e-13 7.67123656e-11 2.23835029e-14
 1.64149374e-13 1.16764196e-10 2.15541204e-05 3.33336433e-14
 8.83393098e-12 1.43277040e-11 1.48391247e-11 3.40806463e-12
 1.31546564e-12 8.00287874e-12 8.03230538e-11 9.23137326e-13
 1.51285804e-13 1.03638007e-12 2.50406067e-11 8.56710405e-16
 3.96537100e-12 5.48901593e-12]


0.9968694


22


[2.0977775e-06 1.5950208e-08 1.4005281e-12 9.9758875e-01 1.7057485e-09
 2.2390156e-08 1.1768731e-12 2.5533693e-13 3.1813354e-12 2.8855801e-10
 1.5322103e-10 1.2967561e-14 3.0792422e-12 1.4430989e-12 2.4074879e-03
 1.1940366e-12 5.3568927e-10 1.0292449e-09 3.7203463e-11 9.2034375e-10
 2.7443573e-11 8.0988011e-10 1.0106505e-07 9.5728855e-11 8.4005491e-10
 9.9761466e-10 5.8203226e-10 1.1384345e-12 2.3445731e-10 4.7265730e-11
 3.9159553e-15 6.6095344e-13 2.9761547e-11 5.2956816e-11 1.1746305e-12
 3.2850045e-07 7.8521347e-12 6.7498269e-13 2.8431719e-08 1.4457768e-12
 1.1923959e-08 3.6054325e-13 2.9674325e-14 2.8950942e-07 3.4436972e-16
 1.5941082e-12 1.4461285e-10 1.3405080e-09 2.1926662e-12 3.9538360e-14
 4.7294184e-13 1.6339459e-11 3.8380583e-09 5.5279847e-09 7.8921317e-07
 8.1010751e-13 1.0552959e-13 4.6133090e-17 2.8010936e-09 7.1744555e-10
 8.5202184e-10 8.6933243e-09 1.9733526e-11 2.0743431e-09 3.2433053e-10
 7.1384539e-12 1.7855738e-10 3.4418750e-14 8.7944105e-12 4.3878589e-13
 2.9790795e-11 7.1161084e-15 2.5498909e-12 7.8957934e-12 3.0400203e-12
 3.8600772e-12 7.9584030e-12 1.2554425e-11 1.0257687e-12 5.2348157e-14
 2.4413531e-14 8.2746570e-12 1.4330606e-11 2.3444510e-15 6.0088455e-11
 1.0871810e-15]


0.99758875


3


[1.58316084e-06 2.68500662e-05 2.09149878e-10 2.70256976e-04
 2.32022490e-09 1.11965082e-09 2.87694535e-09 7.44237072e-09
 3.81003616e-07 1.64274017e-08 2.84995009e-12 3.59920808e-11
 1.16672413e-06 1.98296646e-09 2.17305871e-08 1.82313942e-09
 1.66489116e-07 3.31441186e-07 3.38730421e-09 1.26122458e-07
 3.82335408e-09 3.13199577e-10 9.08157816e-09 1.81558217e-08
 2.03178052e-09 7.06894468e-07 1.31967008e-05 9.83727655e-10
 1.51853517e-01 5.04111469e-01 1.44647686e-07 8.29275057e-04
 2.71740425e-02 7.81275779e-02 2.33645260e-01 1.28057545e-05
 6.06311943e-08 6.58448062e-06 1.35031905e-06 1.84112395e-07
 8.39975746e-06 1.29338220e-08 9.09259668e-10 1.36861502e-06
 1.19252830e-09 1.14873977e-08 7.16664283e-09 5.91952812e-06
 8.27759727e-09 3.11026704e-10 7.67754159e-07 9.62176117e-09
 5.48016388e-08 2.25406966e-05 1.47167288e-04 2.43133358e-09
 1.33437512e-04 2.02007442e-07 8.39634158e-04 2.17206122e-07
 7.01712561e-05 2.46812473e-03 2.16941553e-04 4.46267677e-06
 3.01467207e-06 2.81830981e-09 1.19859473e-08 1.30351807e-09
 2.20014962e-09 2.60113542e-10 4.44544135e-09 6.26029228e-10
 1.17471632e-09 3.98663396e-08 9.23192800e-10 1.51366575e-09
 4.51751703e-08 1.59446572e-08 1.12216229e-10 2.91263635e-08
 3.58266888e-10 6.65252686e-10 6.50045462e-10 4.04299314e-08
 1.10749866e-07 4.30516817e-10]


0.50411147


29


[1.5868261e-06 1.3111088e-06 6.6634191e-09 1.0750814e-06 6.8516933e-08
 2.9936484e-08 3.4691514e-08 6.6576931e-08 8.0014582e-09 2.8720420e-08
 1.1069725e-09 8.8310453e-06 4.8977000e-07 5.7649519e-08 2.1011758e-05
 7.2861820e-07 5.4613906e-06 6.1828130e-01 3.4570822e-03 8.0165752e-05
 1.1891212e-07 4.9892592e-06 1.2411341e-06 2.3790921e-07 6.5085558e-08
 1.8534069e-08 4.0965451e-06 1.9982221e-10 3.3073496e-02 1.1180712e-02
 2.8730174e-08 5.4727880e-06 1.3241806e-05 8.8030996e-04 3.9619165e-03
 2.2513161e-06 6.7773311e-07 1.7895884e-06 1.0988741e-06 6.2358873e-07
 3.6495035e-06 1.5411194e-07 1.7007169e-08 5.9905807e-07 6.1964003e-09
 6.8107674e-08 3.9971690e-07 7.0568524e-07 5.3543125e-08 2.3568412e-09
 3.5332499e-07 2.0867676e-09 3.5264429e-07 1.5263137e-08 4.0782379e-07
 2.5860523e-08 2.4869942e-04 1.3682812e-07 8.4082631e-04 7.5875084e-07
 3.2492438e-01 1.0024388e-03 1.9221402e-03 1.7579019e-05 1.0063916e-05
 4.7488957e-06 7.3405374e-08 4.7977697e-09 2.0738266e-07 2.1885164e-07
 1.5526868e-05 1.2137269e-07 4.2013443e-07 6.1977867e-06 6.5298644e-07
 1.8029354e-07 3.7062357e-08 8.2581920e-07 4.6385111e-08 1.3696155e-07
 7.2218461e-07 1.0454296e-08 4.3614777e-06 3.3221784e-08 1.2444159e-08
 6.7939071e-10]


0.6182813


17


[1.6735632e-04 9.6960212e-06 8.0381291e-10 2.4488156e-06 3.6049463e-10
 5.6651794e-07 7.8368920e-09 1.5762060e-07 1.2526589e-03 2.6413291e-08
 3.2580633e-11 4.1666777e-09 2.6770344e-05 1.3435739e-08 3.7806712e-05
 3.4258719e-06 1.5079351e-06 7.1219382e-08 6.2453786e-08 2.3225428e-07
 3.6834486e-08 8.2054461e-09 2.2338988e-08 1.9393842e-07 1.3266070e-08
 1.0450024e-03 5.1951229e-05 4.6885389e-09 7.8997314e-01 5.0742677e-03
 1.3729422e-06 1.4949137e-04 5.2210424e-02 1.5466301e-04 4.9177852e-02
 5.2387706e-05 2.2125241e-07 1.2111499e-05 3.5311794e-05 4.8601546e-06
 7.7752236e-05 2.6655118e-07 3.9827729e-08 5.6381337e-05 8.9291241e-09
 6.1436555e-07 1.2182725e-06 1.8255023e-05 1.1847729e-08 2.2473394e-08
 3.2961873e-06 5.9483712e-10 3.0764661e-06 2.1790543e-06 6.0956371e-03
 8.4084846e-08 4.0466760e-04 1.1759029e-06 5.0268916e-04 4.4674807e-06
 8.4083222e-02 6.2370254e-04 3.4882547e-03 2.4466403e-04 4.3731178e-03
 4.2917617e-07 7.7473334e-09 9.1525267e-09 2.1612352e-06 1.7792606e-08
 3.2437573e-08 7.1637123e-07 6.7696584e-07 4.1875326e-05 1.0057690e-07
 2.1271073e-06 4.3452790e-04 6.1623664e-06 5.0375091e-09 6.7495557e-06
 6.3653275e-08 1.2163355e-07 5.6872409e-08 8.2228212e-07 7.2357107e-05
 7.0118833e-12]


0.78997314


60


[1.24609331e-04 5.20666561e-07 9.49532120e-11 9.81101266e-07
 9.19462395e-10 5.12648626e-07 5.97273342e-11 3.90779110e-11
 1.93886891e-07 4.05037914e-09 3.93004207e-08 9.40109945e-09
 6.46501377e-08 3.90229999e-08 1.50895074e-01 4.07192253e-08
 1.72768522e-09 6.66993344e-07 1.03895245e-05 2.88758145e-07
 1.19401478e-09 8.52333371e-10 7.05511960e-09 6.46663834e-09
 8.14937628e-09 4.12111840e-04 6.13387812e-08 2.05320969e-11
 1.44960823e-05 1.26151846e-07 2.50079540e-11 6.41836376e-11
 3.17099875e-08 3.40009763e-08 3.33472768e-12 4.16031440e-07
 8.56827165e-10 6.27322694e-10 1.92255061e-06 8.81332118e-10
 1.65136512e-07 1.62646785e-10 8.09099454e-11 1.03032671e-05
 1.77733110e-12 5.11454854e-12 6.04512751e-09 7.56108776e-09
 1.81969620e-10 3.04190645e-10 1.30916966e-09 1.39821904e-11
 1.52391237e-07 1.41206096e-08 2.19483511e-03 1.73614865e-07
 8.52065141e-10 1.10440801e-12 2.28211539e-09 1.20558910e-10
 2.42954616e-06 4.60879797e-08 2.84776682e-08 2.88499233e-08
 2.02026289e-08 2.87465923e-07 1.40066558e-09 1.28859542e-12
 6.47485454e-10 8.56469395e-10 4.72569087e-13 1.81783777e-09
 6.21107832e-10 4.66183037e-10 1.99872827e-10 1.71815850e-09
 2.60600791e-10 3.06931036e-10 4.01367585e-11 2.27081097e-11
 9.84153384e-11 5.10219341e-12 3.74288656e-10 1.05656366e-10
 8.46328795e-01 1.56629402e-13]


0.8463288


84


[9.9981111e-01 6.6754154e-08 5.1167466e-11 1.3836565e-04 5.2380414e-13
 8.0638458e-08 6.5331408e-12 1.5912046e-14 8.1676887e-10 2.7673837e-11
 4.8008489e-14 5.4533331e-13 8.2632082e-14 1.2516958e-10 1.1763345e-07
 9.7640153e-11 5.4973737e-09 1.2136597e-10 8.7723953e-11 2.2327459e-11
 1.1398102e-10 2.9842701e-11 3.4834149e-10 1.5662537e-11 2.1290792e-11
 9.0881835e-09 1.0080941e-09 7.6784464e-12 3.8145997e-09 5.5354512e-09
 5.7016300e-13 3.1284503e-10 5.6945500e-11 1.1136933e-10 9.7002899e-11
 1.3759768e-08 7.2432373e-11 5.0319492e-13 2.8062686e-07 1.0054535e-13
 2.0802860e-08 2.5367820e-12 3.7853058e-12 5.2288565e-06 2.1213439e-16
 3.3593037e-13 3.6275552e-11 6.0554792e-09 5.5768546e-13 5.5521973e-14
 7.2335410e-12 2.4311486e-09 5.2928939e-10 1.8625543e-06 4.2832868e-05
 6.1622547e-12 3.4807330e-13 5.0088955e-15 4.5545689e-10 4.0782745e-11
 1.3050783e-09 5.9780287e-09 2.3923927e-10 2.1517586e-10 6.6640520e-09
 9.1495105e-09 4.5144474e-10 8.2447697e-15 4.8153414e-13 3.7305246e-12
 1.9184825e-12 3.0803195e-13 3.3208540e-11 4.9323952e-12 2.9347367e-12
 3.0903977e-11 9.5649218e-11 3.7356762e-10 1.4741760e-12 3.1991530e-14
 2.4066467e-12 1.8365865e-14 3.6948080e-11 7.7751092e-16 1.1822631e-08
 7.5808229e-14]


0.9998111


0


[4.99921953e-07 4.71685091e-08 1.26243174e-11 9.99647141e-01
 3.22726912e-08 1.38399230e-07 1.89901359e-11 2.18456421e-14
 1.61308120e-10 3.53125723e-11 1.30302203e-12 1.05387227e-11
 9.70517555e-11 4.86002315e-11 4.10389092e-08 2.85305113e-12
 8.32902458e-09 1.05471787e-09 1.37876821e-10 7.40282419e-11
 1.98568717e-10 3.59516944e-10 1.29095682e-07 3.02573799e-11
 2.33735198e-10 2.52792148e-10 1.35696405e-08 7.41175003e-12
 3.23119748e-05 1.02552413e-07 6.13338590e-12 5.91792677e-08
 4.05832079e-09 3.62632449e-07 4.06092227e-09 2.54237680e-08
 3.47644735e-09 4.57728433e-09 9.37953737e-05 3.14343829e-11
 7.48713865e-05 3.84641416e-11 8.72821745e-11 1.49471191e-04
 1.17382352e-12 1.23161328e-10 1.00109077e-09 4.42380887e-08
 1.58184438e-11 1.34021683e-11 2.73752437e-10 1.05085753e-07
 2.47321079e-08 3.90215895e-08 1.81147963e-09 2.40335204e-13
 2.50623039e-14 6.37330036e-15 3.41490769e-09 4.13022221e-11
 3.81469107e-07 1.81532599e-07 1.86272668e-08 6.63259137e-09
 5.43669643e-09 8.16887280e-10 1.49213463e-07 2.47930203e-13
 1.09132061e-12 2.70295657e-12 1.34011788e-10 3.41832513e-15
 3.58511054e-10 1.44378424e-11 2.50247965e-11 4.47434416e-11
 2.85324694e-12 8.23750859e-11 7.11571080e-11 1.87751046e-13
 3.68291751e-11 1.06576315e-13 2.18732060e-10 2.46707240e-15
 4.18959845e-09 7.93760023e-12]


0.99964714


3


[3.3938984e-11 4.5012535e-12 8.9639335e-14 2.0946544e-09 4.3609030e-11
 2.4424576e-16 3.2139479e-14 1.1631498e-13 8.0209528e-09 1.3489415e-15
 2.9551455e-18 2.1579587e-12 4.6326491e-11 5.4047350e-14 9.5236721e-11
 6.1332809e-12 6.9731114e-09 5.0627080e-09 7.7429452e-10 1.9001777e-10
 4.3583978e-12 1.1538110e-11 5.9201136e-13 1.0586132e-10 2.7649541e-13
 4.1329527e-13 6.3617396e-11 2.0368767e-12 7.4669981e-04 4.0908749e-06
 1.1906816e-08 9.9918395e-01 9.3600482e-07 2.9504849e-07 6.3958498e-05
 1.8947790e-09 1.7540418e-10 4.2105879e-09 2.8012310e-09 8.8088221e-09
 9.6752801e-09 5.3257530e-11 1.0355613e-13 3.9161280e-10 3.3675216e-13
 7.7594403e-11 9.4689354e-11 4.4224486e-09 1.0535568e-11 8.6942924e-14
 4.7833193e-10 5.9038467e-15 3.2277241e-12 1.9809642e-12 1.9087567e-11
 5.1739981e-16 1.8188662e-11 5.1848503e-14 3.1841280e-11 5.5322950e-13
 1.4928270e-10 1.1958063e-09 1.0293115e-12 4.0818098e-14 1.0997966e-11
 2.2540700e-13 1.5927797e-15 1.3188556e-14 5.5549413e-14 1.0398306e-13
 1.3960121e-12 5.6472147e-16 6.9813122e-12 6.3881490e-11 4.5846299e-14
 2.1034783e-13 3.0015597e-12 1.3623639e-11 1.1649114e-15 1.4722746e-11
 5.7518626e-14 5.4965657e-13 7.0890877e-16 3.4876710e-13 4.6003185e-10
 1.7002082e-14]


0.99918395


31


[5.5233872e-06 7.9405963e-06 6.0653971e-10 9.9876910e-01 5.3825352e-07
 4.0046802e-10 1.8717925e-11 2.1402600e-12 3.8554836e-13 5.0645049e-10
 1.7158149e-09 6.7812855e-10 3.0098112e-12 2.6440041e-11 1.1878384e-03
 8.8986489e-09 4.3762455e-11 2.4199638e-09 5.9093291e-10 9.4597197e-10
 1.1858180e-09 1.5534088e-10 2.3794397e-05 3.7133669e-09 2.4316918e-10
 5.0390820e-12 2.4364316e-10 2.7777012e-12 9.3144031e-08 1.9513363e-08
 6.3868514e-14 1.0304299e-08 8.7680224e-10 4.5766782e-08 1.1959775e-10
 1.6178815e-08 2.1291739e-11 6.1144266e-14 5.0002347e-10 8.7611767e-12
 1.1128090e-09 5.1215730e-11 3.3609000e-14 6.2956489e-09 2.1443439e-14
 9.3923174e-14 5.0174288e-11 3.0237202e-11 1.9023589e-13 8.5777766e-14
 1.1670226e-11 1.7522360e-11 9.6770714e-10 7.0027406e-10 1.8081437e-08
 7.9849468e-13 1.4145370e-15 1.1922006e-15 3.7683630e-09 1.1759828e-11
 2.1375574e-10 4.8646157e-06 2.5254168e-10 1.3341286e-09 8.2584165e-12
 1.7027942e-12 1.5568430e-11 1.4119461e-12 2.9359742e-13 7.2340567e-12
 1.9301217e-07 2.8730639e-14 5.0486951e-11 9.1749031e-10 4.3822345e-11
 2.1994049e-09 5.2214786e-12 1.9600696e-11 3.2002095e-11 4.8063996e-12
 1.2869041e-12 1.1314295e-12 3.0282291e-10 1.9072634e-13 3.7553551e-09
 9.7440296e-13]


0.9987691


3


[1.73673186e-06 8.12006547e-05 3.61132391e-09 2.70190183e-04
 5.17864137e-12 4.63126412e-11 2.20958217e-11 3.90380395e-09
 7.14132455e-07 2.85727481e-07 4.97724746e-13 4.27468638e-09
 2.09143104e-06 3.20143828e-10 9.17681930e-08 1.17998171e-08
 2.15869461e-10 3.05624998e-10 2.02321965e-10 2.68646350e-09
 3.01466907e-10 3.65198045e-11 1.48380985e-09 2.56836974e-09
 8.51691495e-11 1.05842446e-09 3.15176567e-06 3.47149601e-11
 8.07695836e-02 2.01141709e-04 1.80842186e-09 1.73634267e-03
 3.00327287e-07 1.51885339e-04 5.22068785e-06 5.84706541e-08
 4.07265111e-10 1.05384168e-09 3.75636660e-08 2.25309127e-09
 4.46134640e-09 8.13853485e-10 3.61671075e-11 7.40726023e-08
 3.20437318e-12 1.03338310e-10 5.92094151e-09 4.47732411e-08
 2.13554827e-10 2.36493099e-11 1.34303124e-09 2.70086842e-10
 1.08995613e-09 2.08055212e-07 2.95094882e-08 1.43124279e-09
 9.52319510e-07 6.89588275e-10 4.82439100e-05 6.30280041e-08
 8.65579659e-06 9.15765405e-01 1.66555983e-05 9.34642390e-04
 2.23012151e-07 2.13832988e-12 1.51344319e-11 3.20256634e-11
 8.67984504e-11 2.62635330e-10 1.96939247e-08 7.98074107e-10
 1.63140024e-09 8.82484059e-08 5.81208727e-11 3.88875947e-07
 2.70440736e-08 1.08137357e-08 4.68523068e-11 1.02332656e-07
 5.07856035e-10 1.87365252e-08 1.51721369e-09 4.09445562e-08
 4.09179357e-08 6.65394129e-10]


0.9157654


28


[6.08971777e-06 3.36074049e-06 6.11979385e-06 1.10500459e-05
 1.04503556e-07 4.07773086e-08 1.08850088e-07 2.27931218e-06
 2.60124580e-07 3.39188318e-06 4.38140546e-08 7.10839322e-06
 8.38117649e-06 1.53324436e-07 2.79471697e-05 8.99123904e-07
 7.66204892e-07 2.07979959e-02 4.69569163e-03 5.78957843e-05
 3.12346629e-07 8.17263390e-06 4.43368617e-06 1.77505228e-06
 1.77743132e-07 1.62659219e-07 2.12197592e-05 3.71193067e-08
 4.36959276e-03 5.66478819e-02 5.24261488e-08 1.16114301e-04
 1.60143907e-06 1.40292384e-03 3.10850888e-03 1.99912984e-06
 1.51426491e-07 1.60501614e-07 6.81037534e-07 1.04904518e-06
 5.99203304e-07 2.72696252e-06 9.85866961e-08 2.68143395e-07
 2.55212438e-08 3.24026472e-09 9.18934802e-07 2.00725663e-06
 1.06733943e-07 2.63913087e-08 3.78376200e-07 1.85756264e-07
 2.12480074e-07 3.04236991e-08 6.39278142e-08 2.07898232e-08
 1.31085208e-05 2.93070546e-08 2.76741230e-05 2.56966850e-05
 5.78568666e-04 9.06813979e-01 3.94920964e-04 4.57994640e-04
 1.36451490e-04 1.12013993e-07 1.54510175e-07 2.46688519e-08
 1.26999987e-06 1.22985819e-06 1.17031690e-04 5.47289062e-07
 2.97767247e-06 8.13403176e-07 6.94906419e-07 1.73137698e-06
 1.80402004e-08 1.35271848e-05 2.68780749e-08 2.60084164e-07
 1.65720735e-06 8.23196899e-07 1.10072335e-06 3.56781493e-05
 7.52287121e-07 4.66556776e-05]


0.906814


61


[3.7078397e-08 4.4141996e-07 9.0829128e-10 7.5061321e-06 9.8125869e-13
 7.0347131e-12 2.2135115e-12 8.7366347e-10 3.8306869e-08 5.9131100e-08
 3.1865693e-12 1.7615472e-08 2.9408190e-07 8.0003643e-11 1.3661797e-06
 2.8616959e-08 6.5829925e-11 8.7804413e-09 5.8093846e-10 1.4957886e-10
 1.5567266e-11 2.3608202e-11 6.2958390e-09 2.4746776e-09 1.0198816e-10
 1.4803626e-10 1.6333770e-05 2.6855517e-12 8.5805831e-03 2.5840430e-04
 1.6033723e-11 2.7814333e-06 5.3034483e-09 5.2414293e-06 3.3500916e-07
 1.6271394e-09 1.1571242e-10 2.5561046e-11 2.9382312e-09 4.2055719e-09
 4.5454324e-10 1.6850900e-10 1.4629980e-11 6.5338654e-08 9.2306859e-13
 1.4662944e-11 7.5869631e-09 9.5314745e-10 4.7205080e-11 4.0758494e-11
 4.7597670e-10 4.6358473e-12 1.2897462e-09 6.5581685e-10 4.0451766e-09
 2.3872632e-08 6.8344730e-07 1.3563451e-09 3.2551015e-06 1.9075843e-08
 3.6416056e-03 9.7881216e-01 5.4848136e-04 8.1175631e-03 2.3215819e-06
 1.2059776e-11 1.1953949e-11 2.7422517e-12 9.0921520e-10 5.4768642e-12
 7.1886883e-09 7.1619427e-10 3.4412129e-09 8.0030738e-09 7.5175116e-11
 1.0809113e-08 8.9036112e-11 9.7317319e-09 2.7652199e-12 3.9429251e-09
 5.1106641e-10 1.4807199e-08 9.6318431e-10 6.4994857e-08 9.6889110e-09
 6.5126767e-12]


0.97881216


61


[2.6896378e-08 9.9999642e-01 1.0877933e-10 1.9949375e-08 2.4022927e-14
 1.3422702e-13 2.0214302e-13 2.7916377e-08 6.4816217e-12 2.2500417e-09
 1.8107613e-13 3.3446614e-07 2.8453247e-08 4.0948915e-12 1.8358570e-08
 4.1667558e-11 1.1279826e-14 2.2599394e-12 1.5145855e-12 2.7268536e-13
 5.3053373e-14 2.6076727e-15 1.0701232e-12 3.0352438e-13 4.2351946e-13
 2.6671151e-11 4.7055976e-10 1.0689047e-13 3.5177803e-07 1.6136180e-09
 1.2055055e-12 6.4030126e-10 3.0825470e-10 1.7619093e-09 1.4392297e-10
 4.9469223e-13 2.5329051e-12 2.7104765e-14 1.7193399e-12 9.6057396e-13
 1.8837633e-13 3.2758900e-13 9.8413285e-15 4.0030143e-10 2.3269679e-16
 1.1581954e-13 2.6596462e-12 2.5401464e-13 1.3960510e-14 1.5295970e-13
 5.5678335e-13 3.7783696e-15 7.1471675e-13 3.3132441e-11 4.9471283e-10
 5.1030249e-11 1.5396962e-12 7.2123237e-13 9.8470243e-10 1.1401204e-12
 5.2269404e-11 1.8946394e-06 6.1352576e-09 7.4576088e-09 2.6491457e-12
 1.5114883e-13 7.4236398e-15 3.5276662e-13 1.2518168e-12 6.5610026e-12
 1.6274428e-10 2.6106953e-10 3.1643067e-11 3.9351453e-11 7.6590908e-14
 3.3666449e-08 5.0392752e-11 1.1969397e-11 3.1617425e-15 1.1773977e-09
 1.9805340e-12 3.3357208e-12 3.7200276e-10 6.1569766e-10 8.7873542e-07
 3.5084535e-14]


0.9999964


1


[1.3133858e-07 7.2417424e-07 5.9994115e-08 1.3577357e-01 1.3972815e-09
 4.5444861e-09 7.4343642e-10 7.4874906e-09 1.0645201e-06 5.4753906e-07
 9.8112085e-10 3.2579050e-07 1.6555699e-05 4.1491588e-09 8.6300406e-07
 8.0206419e-09 2.8849620e-09 7.0249412e-06 4.1691655e-07 7.4629853e-08
 6.7478125e-09 5.4098587e-10 1.1917711e-07 5.1130127e-09 3.2245893e-09
 1.1360950e-08 6.7839819e-06 3.1685592e-09 4.0335464e-03 2.3048389e-04
 3.5884353e-09 2.8584578e-05 2.6279730e-07 2.6678527e-03 5.9709095e-07
 4.3913673e-07 1.0300432e-09 5.2834532e-09 2.2306614e-07 7.2412929e-09
 2.4403429e-08 8.2236822e-09 5.3184951e-10 1.1475363e-06 1.4463504e-10
 1.0507337e-09 1.1231510e-07 3.7226688e-08 1.5950333e-09 7.9102186e-10
 4.5503317e-09 3.8598875e-09 1.0351818e-07 8.8719688e-08 2.2220847e-08
 5.9849395e-07 2.9024266e-06 6.9600596e-09 1.4037454e-06 8.7408381e-08
 9.7151229e-04 7.8138632e-01 6.5228884e-04 7.4208617e-02 6.0966579e-07
 4.1857123e-10 2.9773639e-09 7.1645201e-10 2.2956931e-08 1.3000320e-09
 5.2205996e-07 4.7141724e-10 4.3055248e-08 2.8231957e-08 9.1995354e-09
 1.3069855e-06 1.8941273e-09 8.2053390e-08 1.6620938e-09 8.7086116e-10
 7.5009989e-09 6.1717067e-09 2.4846673e-07 6.6297366e-07 7.3515406e-07
 1.3031985e-07]


0.7813863


61


[6.69541237e-07 2.67968494e-06 3.12379317e-10 6.38009169e-06
 4.79916211e-11 9.43614409e-10 2.53102816e-10 2.19946415e-07
 2.13470184e-08 1.32111836e-07 1.88174632e-11 7.32520539e-06
 1.11539407e-06 2.73379452e-09 8.39671088e-07 1.91912690e-08
 6.56476518e-09 1.83166994e-04 4.87991088e-07 1.21036425e-08
 1.56733704e-09 3.36580741e-09 2.50358489e-09 9.64706715e-09
 7.27304972e-09 9.58126407e-07 1.52573157e-05 1.84219293e-10
 3.07749137e-02 3.20950727e-04 6.64153106e-08 3.65460892e-07
 5.74296701e-06 4.76226094e-04 1.94667100e-05 2.35068299e-07
 8.84570994e-09 5.01190200e-09 4.07033092e-08 2.38526443e-08
 8.67685301e-09 7.03788938e-09 4.42651332e-10 1.38231098e-08
 1.97252811e-10 2.04331974e-09 1.00288432e-07 3.06726484e-08
 2.14685669e-09 2.04868167e-09 4.12999768e-09 4.90987251e-10
 2.18461231e-08 1.21599175e-08 1.73502565e-06 2.43087499e-07
 1.69579510e-03 7.19306229e-07 2.08889014e-06 7.29756122e-09
 9.54938412e-01 5.87166380e-03 4.75977734e-03 8.89799499e-04
 1.84668479e-05 2.73109624e-08 9.14115450e-09 6.79724776e-10
 2.06755359e-07 5.73456838e-09 1.62317292e-07 8.93962877e-08
 6.44464961e-08 6.99520086e-08 2.92914475e-08 3.43500176e-07
 1.43992240e-08 1.03289928e-07 1.76632903e-10 2.27170247e-08
 2.73075766e-08 1.19064056e-08 5.01750890e-08 2.12897089e-06
 2.46601701e-07 1.66667458e-10]


0.9549384


60


[1.1297098e-08 2.0378206e-08 3.5125944e-11 1.2365773e-06 1.6956033e-13
 3.5807024e-13 4.0612282e-14 1.2847710e-09 2.0228937e-10 2.3731311e-10
 7.7992725e-12 1.3339435e-10 7.5774970e-10 2.0817825e-11 6.3711174e-09
 6.1308281e-10 4.0023261e-13 2.6484445e-10 2.4689346e-12 2.9978013e-11
 3.5410119e-13 2.2427475e-13 4.9886462e-10 1.2534418e-10 3.2051343e-12
 5.3319021e-10 1.5710781e-07 8.8652311e-13 3.3079290e-05 5.0411854e-05
 2.4067136e-13 3.5816953e-08 1.8666906e-09 2.5515333e-06 1.4441826e-08
 2.2546574e-10 1.1091834e-11 3.1106374e-12 2.1727124e-10 9.2466729e-11
 1.7558276e-11 8.8978580e-13 1.3217568e-13 3.1226861e-09 1.0760307e-13
 3.3166528e-13 7.9178983e-11 1.4526901e-10 4.6109915e-13 1.6593673e-12
 2.6777256e-11 9.4904146e-14 3.5548289e-10 6.4261460e-13 6.6437970e-08
 4.1517887e-12 1.5790290e-10 2.0618062e-12 5.5943207e-07 1.0844035e-10
 1.2398346e-09 9.9977833e-01 2.4488261e-07 1.3303978e-04 1.4669936e-10
 1.9731124e-12 6.8635207e-13 8.9388491e-14 1.3689280e-10 1.2999457e-12
 1.0820007e-10 2.0279804e-11 8.5260583e-11 1.7627710e-10 6.2384757e-11
 1.3886302e-10 5.3343796e-12 4.2074044e-10 3.3613214e-13 1.1907759e-09
 5.3250468e-12 5.2110097e-11 5.3188579e-11 2.1936851e-08 1.4177408e-07
 1.6097770e-13]


0.99977833


61


[1.06713955e-07 1.64320363e-06 3.15403736e-12 6.66312561e-09
 6.30065255e-14 5.17828662e-11 2.76717559e-13 1.17273746e-10
 1.65860836e-09 1.48932047e-10 2.10740120e-10 2.18502860e-09
 3.87080917e-07 2.97752760e-11 1.01876765e-06 1.76246441e-12
 9.94780481e-15 1.69122927e-11 4.06118802e-12 1.49585541e-12
 1.12988164e-14 7.02016936e-16 9.62520254e-12 8.93922176e-12
 9.51632761e-13 1.36266053e-07 8.00455524e-09 5.56268746e-12
 7.83398235e-09 2.64096522e-10 2.66743794e-13 3.35515393e-10
 9.50475032e-10 2.22570740e-09 5.90295651e-12 4.12025926e-12
 9.87890867e-14 1.39728764e-13 4.77700561e-12 6.28059670e-12
 2.99305914e-12 2.10101657e-13 7.97480300e-14 8.80974760e-09
 1.78087724e-16 2.26286105e-14 1.45037281e-11 6.34443366e-12
 9.94067364e-15 5.50323784e-13 2.29216906e-11 4.97987144e-15
 3.55780683e-11 1.22796489e-12 1.40374823e-07 1.92236033e-10
 8.09717907e-13 3.73112305e-12 1.52771129e-08 7.22411644e-11
 5.26415630e-12 3.25486518e-08 1.01246172e-07 8.84247839e-08
 2.37591807e-10 1.38003248e-12 8.86600482e-15 3.98045414e-14
 5.55848445e-13 4.14354792e-12 4.81631553e-13 3.33195832e-11
 4.96678115e-11 1.96615987e-12 7.84802561e-13 3.54794514e-12
 2.70576665e-13 4.51528490e-13 1.30663201e-14 6.68127845e-11
 3.94876460e-13 1.69141316e-11 3.59338427e-12 2.43448928e-10
 9.99996305e-01 2.75123607e-16]


0.9999963


84


[3.20647935e-08 9.48398196e-08 1.54537849e-09 1.26201600e-01
 2.16024620e-09 1.21849162e-08 5.13428411e-10 4.19080881e-10
 1.31564673e-06 2.04643880e-09 7.49391926e-09 1.13548115e-09
 3.76921321e-06 1.24971566e-09 4.27890973e-06 1.97354581e-11
 2.85870105e-10 8.58268550e-08 7.27067073e-10 5.56312330e-10
 4.84667202e-11 5.27442569e-11 1.25363169e-08 1.71017345e-09
 7.27974514e-10 4.99431735e-07 1.51256309e-05 1.43302268e-08
 3.04562825e-04 5.80668029e-07 2.60283350e-09 1.67691051e-05
 2.49424806e-06 5.76584534e-05 3.60930379e-08 1.59259983e-07
 1.93850047e-10 2.56795890e-10 1.36334517e-08 1.18985843e-09
 6.98324909e-09 1.48778412e-09 8.72041162e-10 3.43404849e-06
 5.39420114e-12 4.80275375e-09 2.10225490e-08 4.91713834e-08
 4.79497164e-10 2.14094131e-10 1.13285994e-08 3.74025116e-10
 2.50234990e-07 5.98576037e-07 7.22223348e-08 2.05145803e-08
 3.59315914e-06 2.03890409e-07 2.73583428e-04 7.03492617e-07
 6.24275117e-06 5.04873344e-04 1.37685323e-02 8.58723581e-01
 6.00602070e-05 9.91105670e-11 1.00928255e-09 1.66826719e-10
 1.51430923e-09 4.52497900e-10 1.61256430e-09 1.68259642e-10
 1.38448399e-07 2.19804330e-09 4.77525042e-09 2.52372612e-08
 8.34149472e-10 1.22519572e-09 1.68236855e-10 1.34668054e-08
 6.34302211e-09 3.34632837e-08 2.16010609e-09 7.83985499e-08
 4.45904479e-05 2.76961876e-09]


0.8587236


63


[5.1342804e-06 1.5418127e-04 9.0519570e-10 6.8044021e-05 1.3901816e-10
 1.4940815e-09 3.8289158e-10 1.6648916e-06 8.1010626e-08 1.1876563e-08
 3.3835133e-07 1.5405757e-07 4.5955515e-09 4.1365844e-08 3.7943999e-05
 9.3614294e-10 1.2371196e-08 7.1842558e-05 3.7227733e-07 2.2408425e-07
 3.3355910e-10 1.6511185e-09 5.0644129e-08 5.7542708e-09 8.0024385e-08
 3.7213447e-08 1.0081292e-05 2.4959954e-09 2.0456859e-05 1.8621057e-06
 2.0704384e-08 1.8509796e-08 2.3363702e-06 1.3046042e-08 4.4653452e-06
 2.0408338e-07 1.7229868e-09 2.7333877e-10 2.3397670e-09 2.1172410e-09
 5.8794258e-09 5.3793447e-10 1.8593862e-09 2.4697906e-07 4.1525520e-12
 8.8427030e-11 7.6723317e-08 1.8774364e-07 1.7051097e-10 6.5530775e-11
 5.0225837e-09 2.6250896e-11 1.5833999e-07 2.3958413e-10 7.9555838e-07
 2.0447826e-09 9.3847382e-07 8.5452072e-08 1.2901537e-02 8.0722284e-06
 2.0284087e-06 1.1108686e-03 9.6699923e-01 2.7719920e-03 1.5820505e-02
 2.5556750e-08 3.5781047e-09 3.2003736e-11 4.6435362e-09 4.8849556e-09
 7.2301418e-07 2.2699105e-08 7.3920162e-08 9.4670924e-08 1.6551229e-09
 1.9630427e-08 8.3115710e-09 3.3059457e-08 7.3191952e-10 5.9309354e-08
 1.7380876e-09 2.0414819e-09 2.3013198e-08 1.9330031e-08 2.4866811e-06
 2.3475650e-11]


0.96699923


62


[9.2907779e-09 2.4521410e-07 4.9384541e-10 1.1277616e-07 8.0615886e-15
 4.9365443e-13 3.3647680e-13 1.0633498e-08 5.5155440e-09 3.0639602e-09
 8.8224792e-12 5.7580460e-09 6.3461214e-10 6.8809375e-11 8.3448110e-10
 1.3215661e-09 2.1460689e-11 1.0114999e-08 3.4503643e-11 5.3575955e-10
 8.5457899e-12 3.2818821e-12 2.4887002e-11 1.3652852e-11 1.2864182e-11
 1.1051278e-10 9.5775533e-08 7.6812020e-12 1.4919208e-04 2.0008993e-06
 1.8501912e-09 1.1108566e-07 5.3522355e-09 5.1538603e-07 1.3414774e-06
 7.1574630e-10 1.6291475e-10 4.1239567e-11 2.1093031e-10 8.7658741e-11
 1.1544770e-09 4.3753171e-11 4.2549115e-12 1.5738230e-09 9.6379653e-13
 2.8564163e-12 3.4032088e-10 1.3133115e-09 8.3375000e-12 2.2864783e-12
 8.8416892e-11 8.6252687e-14 1.2179290e-10 5.6839169e-11 4.5228967e-09
 1.4095870e-10 3.3008103e-08 1.3949729e-10 1.2116222e-06 3.1911658e-09
 4.0180184e-06 9.9962056e-01 6.2971690e-06 2.1305580e-04 1.0834160e-06
 3.1980464e-12 3.0658206e-12 1.8325751e-12 1.8314893e-11 2.5661626e-11
 3.5759820e-09 9.6916053e-10 2.4528252e-10 7.1994459e-09 3.6256384e-12
 7.7533393e-09 1.5290252e-09 2.9082399e-09 7.4323768e-12 1.5560520e-08
 6.1285602e-11 8.4904736e-11 6.4121769e-10 6.4921100e-09 1.5023741e-09
 1.4422926e-11]


0.99962056


61


[4.76284839e-07 9.99997377e-01 1.40169834e-10 9.88005677e-09
 6.14665924e-13 3.48920112e-12 1.74257337e-13 3.15676289e-07
 3.80460810e-12 2.29251160e-08 3.31687663e-11 5.14062208e-07
 6.78654299e-10 1.90534324e-11 2.55598053e-07 1.04647881e-10
 7.88596144e-14 1.80990278e-10 1.67765073e-11 6.36021574e-12
 9.60321639e-14 8.78642184e-15 9.10609227e-11 4.02388734e-13
 2.13120992e-12 9.08822115e-11 6.13071816e-11 6.60676537e-13
 2.11376996e-08 4.58121791e-10 1.68834808e-13 2.80950263e-12
 8.44731063e-10 6.84322529e-11 5.92661987e-12 4.22149034e-12
 1.10449844e-11 2.25535329e-14 4.20616938e-13 1.02367557e-13
 3.33781180e-12 2.47630421e-13 1.21885575e-13 4.38713421e-09
 2.35697082e-15 1.00220945e-13 4.96962671e-12 2.54913739e-13
 4.75938055e-14 2.02138192e-13 2.43664008e-12 2.73286202e-15
 4.41198293e-12 1.44904158e-11 2.85905521e-10 5.08840296e-11
 3.41755053e-13 7.60265819e-13 3.28360006e-09 1.94836226e-12
 9.34758729e-11 1.30150923e-07 3.91804917e-08 1.11446824e-10
 6.51334997e-13 3.21479475e-12 4.91754803e-13 2.23925465e-13
 2.72548341e-13 3.99309509e-11 9.89948123e-10 2.54393815e-11
 3.15343585e-10 2.73422424e-10 6.61759533e-14 5.56201973e-10
 3.08088342e-12 7.57805103e-12 8.34561065e-15 6.42971856e-11
 3.22360411e-13 9.84427817e-13 1.71561965e-09 6.69131001e-11
 8.13088832e-07 2.23409158e-14]


0.9999974


1


[1.67022577e-07 2.31239619e-06 6.20725737e-09 1.68344297e-03
 6.26304824e-12 2.32152320e-09 2.17279961e-11 1.86425431e-09
 2.64995720e-06 6.67570021e-07 8.80476161e-12 9.56424095e-09
 5.58419379e-06 1.89937718e-10 4.32366761e-07 2.24656360e-09
 3.68058167e-10 2.02745596e-07 2.99313657e-10 1.36377265e-08
 1.21014629e-10 7.99572214e-12 3.10608073e-08 2.64043648e-10
 3.00931363e-10 2.75142797e-10 1.20406903e-05 1.25853314e-10
 7.40718544e-01 5.63838648e-06 5.18703080e-09 3.02758417e-06
 4.58277583e-07 9.74559498e-06 7.60323871e-07 8.90519232e-07
 1.30049660e-09 2.50255416e-09 3.51221310e-08 8.61459959e-10
 3.18523270e-08 3.83825249e-10 1.00855921e-10 1.15715911e-05
 2.23732172e-10 2.34477482e-09 8.65825243e-08 2.31339996e-08
 4.66415295e-10 1.33133615e-10 1.47554002e-09 1.87353591e-10
 7.23424387e-09 5.67047387e-09 2.22411707e-08 2.43765015e-07
 4.05834896e-07 8.92555363e-09 7.69480597e-04 1.07150536e-05
 2.72502005e-02 2.24792942e-01 4.13631991e-04 4.29193443e-03
 7.75949047e-06 1.53531268e-11 5.17286258e-09 2.82262408e-10
 1.91235458e-10 1.66316932e-10 1.48496099e-06 5.07166886e-09
 1.72260698e-07 5.72960879e-08 1.33120168e-10 2.07101880e-06
 2.32758062e-08 9.15736464e-08 6.17164653e-11 6.28272678e-09
 1.97058547e-09 3.46763542e-08 1.58076972e-07 5.77935921e-09
 1.58386690e-08 5.76388093e-09]


0.74071854


61


[3.97717859e-09 5.85327653e-09 9.34841180e-12 7.93073269e-08
 6.07805417e-10 1.22169885e-09 1.70651427e-11 6.60256916e-08
 2.40993092e-09 8.50995541e-09 2.14848384e-09 3.12707655e-08
 7.63790240e-08 1.17578636e-09 6.96752352e-07 7.01962932e-10
 2.18671747e-09 9.88470554e-01 3.38533195e-04 8.87793448e-08
 7.80011944e-10 5.63013920e-08 3.48220897e-09 1.85798221e-09
 3.06352832e-09 1.55904676e-08 3.63677282e-06 5.08845605e-11
 1.85265759e-04 2.29007765e-06 8.88002560e-10 7.23081317e-12
 7.34014520e-08 7.00620319e-07 1.33237936e-08 2.42584150e-07
 3.62585684e-10 9.36728264e-11 9.97195770e-10 1.96909400e-09
 5.33934619e-10 3.56654861e-09 1.42104661e-10 1.46345169e-09
 3.23096216e-10 2.31535659e-11 8.77625617e-09 1.13452706e-10
 6.08084860e-10 1.00510454e-10 5.03500186e-10 4.56981647e-10
 3.76944032e-09 4.77174550e-11 3.30944090e-08 9.34211641e-09
 1.60448559e-04 1.00553557e-07 1.94462579e-08 2.27634334e-09
 1.07175242e-02 3.55258635e-07 9.83641658e-05 1.97092231e-05
 2.34311656e-07 5.75694914e-09 2.89699620e-09 3.49015122e-11
 4.67407055e-08 5.11992337e-10 6.42209574e-09 5.26394395e-09
 9.63054436e-09 6.92571422e-09 6.33068797e-09 2.21131247e-09
 1.72503761e-10 6.15668627e-09 2.31437647e-11 7.01308109e-11
 2.19896790e-09 2.01949213e-09 2.44671949e-09 6.45755108e-07
 1.92447924e-08 9.21231702e-11]


0.98847055


17


[1.27285853e-06 2.57037809e-05 2.50400922e-10 1.97208588e-04
 1.13666403e-11 4.66902184e-10 2.79697487e-10 6.50401489e-07
 3.56449209e-06 9.48698641e-07 5.59983449e-10 1.40001148e-07
 1.59178191e-04 3.73924314e-09 1.22897609e-06 1.39169430e-07
 1.00165432e-09 1.08137570e-07 6.88419710e-10 1.55033941e-09
 3.81237986e-10 5.92842830e-10 5.36795675e-08 9.03184993e-09
 1.23208697e-08 1.71645588e-05 3.35994439e-04 8.55013074e-11
 1.70077994e-01 1.59585495e-02 1.13634488e-08 1.52947666e-06
 1.48436754e-06 1.51218195e-03 2.19470840e-05 4.07467184e-07
 5.34203659e-09 2.27641639e-09 2.09643531e-07 5.77207437e-08
 2.26140955e-08 6.41602149e-09 5.12544285e-10 4.77018830e-07
 5.87435170e-11 7.62437113e-10 2.24788593e-07 5.72623797e-08
 8.24595447e-10 1.47480284e-09 2.52615528e-08 6.66777120e-11
 1.32574570e-07 3.69018700e-08 3.73486523e-06 1.23338395e-06
 1.98776543e-05 1.08193063e-07 1.02066973e-04 9.53990457e-06
 2.30007425e-01 4.54274833e-01 2.77737482e-03 1.23352699e-01
 3.09495517e-05 3.72199299e-10 2.45880418e-08 1.26994892e-09
 3.24600109e-07 7.27553073e-10 1.12439213e-08 1.55168422e-07
 1.97685051e-08 4.95634822e-07 4.02434397e-09 4.99911721e-06
 1.12868950e-08 1.17113196e-07 7.32384084e-11 4.70247244e-07
 4.55544980e-09 1.06422874e-07 2.32917046e-08 1.08792249e-03
 6.67033873e-06 1.12751518e-11]


0.45427483


61


[1.36101512e-08 1.32878313e-07 1.68536084e-12 1.03463726e-09
 1.75827343e-12 1.67456105e-10 1.22969370e-13 5.75918369e-10
 1.33648786e-10 3.40798889e-10 3.30736292e-08 1.52149369e-08
 1.54146989e-07 3.21741106e-11 1.58571629e-06 7.72781318e-12
 1.06814805e-13 5.28468469e-09 4.89800256e-10 4.35902052e-12
 2.51419199e-14 1.73435756e-13 3.40655892e-10 8.48025955e-11
 7.83688218e-12 2.52928714e-07 1.79770454e-09 9.85561025e-13
 2.36713760e-10 5.08994125e-10 2.87951866e-14 1.10274223e-13
 1.98196362e-10 2.06628492e-10 4.89060832e-14 1.96530552e-11
 1.76100792e-13 1.55734122e-14 1.54612575e-12 3.43936902e-12
 8.11486403e-13 9.76715236e-13 1.06892658e-13 1.14635308e-10
 2.43647926e-15 5.08040367e-15 1.51182365e-11 1.01829016e-12
 1.73380428e-14 5.22471010e-13 8.85415265e-12 6.05690306e-15
 4.00155221e-11 3.86261119e-14 5.46789636e-08 2.04869996e-10
 3.26271860e-13 4.15259710e-12 3.58219600e-11 1.08313553e-12
 9.11000095e-12 8.25652394e-11 2.16329421e-09 2.63854244e-10
 2.36764991e-12 2.41413096e-12 2.41194841e-13 4.01579066e-14
 6.62277004e-12 1.17378581e-11 1.45509874e-12 3.57681419e-12
 7.86493006e-12 1.93630336e-13 1.96335613e-12 4.32252324e-13
 1.53597770e-14 8.42368222e-13 5.97037155e-16 1.05980383e-12
 2.67915437e-13 8.40891376e-13 8.70677499e-13 5.51207968e-10
 9.99997854e-01 2.09945338e-17]


0.99999785


84


[4.36006559e-07 3.58845091e-06 1.51929840e-11 9.99991775e-01
 6.47465068e-11 3.31952621e-09 1.11403790e-12 1.20021853e-12
 1.63971753e-10 1.92468952e-09 5.23666832e-10 7.87696644e-12
 9.20952897e-12 1.24746340e-12 1.97028371e-07 1.77212981e-13
 6.42810978e-12 1.12699475e-10 1.48050973e-12 1.38658811e-12
 1.39087103e-12 1.28097932e-11 5.26908472e-08 9.06569264e-12
 4.66276878e-11 1.40269476e-08 8.50336068e-09 1.67512000e-13
 6.66575195e-09 3.40360268e-10 1.53012978e-13 1.12521563e-11
 2.87880414e-10 2.97915337e-09 1.16497862e-13 1.02620100e-10
 2.62822560e-13 2.20081504e-14 1.53369739e-09 3.37678663e-14
 3.36796840e-10 8.40039843e-13 1.29199548e-13 3.72376938e-08
 1.36408695e-15 3.34468049e-13 2.35805073e-11 9.09625084e-11
 1.09293800e-13 6.90787683e-15 9.33326834e-14 1.64460376e-10
 1.71487297e-10 5.57441737e-09 1.97845225e-08 1.41283686e-11
 3.82765617e-14 6.58568997e-14 5.42721090e-10 5.67623171e-11
 6.18917673e-09 9.33970323e-09 5.97607865e-08 3.76715752e-06
 7.08240133e-10 4.46789822e-13 3.18171156e-10 5.06263495e-14
 8.44871644e-13 5.45701635e-12 1.28370292e-09 1.13987257e-14
 1.00990726e-11 9.12563167e-12 1.55061402e-12 3.24311633e-10
 1.55987731e-13 2.00187002e-11 4.86310143e-14 6.60090675e-14
 2.94076856e-13 6.84539570e-14 9.87659433e-12 1.65556316e-13
 1.03952069e-09 1.48996621e-15]


0.9999918


3


[2.35504876e-06 6.12957228e-05 1.25110526e-08 4.41413576e-05
 2.62207003e-08 4.54350024e-09 6.96137370e-10 1.58878937e-08
 1.20564746e-05 5.91534821e-10 1.77624426e-11 1.72931180e-08
 5.69113013e-07 1.66963154e-09 7.05918524e-09 1.39704241e-07
 2.47735770e-05 9.35617436e-07 7.50021982e-08 2.31012329e-08
 5.60206445e-07 9.46071221e-09 6.98821339e-08 2.06165495e-07
 2.99734957e-08 1.30168827e-08 2.95139512e-06 3.54645834e-07
 3.29282582e-01 8.52432335e-04 5.26789054e-02 1.99894905e-02
 5.01225770e-01 3.78974969e-03 9.17384550e-02 2.53992221e-06
 2.47962419e-07 3.07935697e-05 1.26061304e-05 8.48128548e-06
 9.86429441e-05 2.66196275e-06 1.60091233e-07 7.05445154e-06
 1.98872073e-07 1.89487025e-06 3.23788936e-06 1.02727445e-05
 2.17944262e-07 1.47853674e-10 3.15831721e-06 1.05634856e-09
 1.07213634e-06 2.62372115e-08 3.77110467e-07 7.50560308e-11
 3.94591495e-07 9.47431431e-08 1.33179014e-07 6.52470789e-09
 3.04563423e-06 7.61927552e-08 1.43164959e-06 2.37177247e-08
 3.44838220e-08 3.94576816e-09 9.79784698e-09 3.38638140e-09
 3.91207600e-09 4.45570834e-08 2.83206282e-05 2.31743805e-10
 3.10789204e-07 7.33434572e-05 1.12681384e-08 2.15599236e-08
 3.21307368e-07 4.28273346e-08 1.03770670e-09 4.38445255e-07
 5.79715476e-09 6.57264891e-08 1.71950870e-10 5.05642888e-08
 5.55078508e-08 2.23191687e-10]


0.50122577


28


[8.98326036e-08 2.40336071e-08 2.89599300e-09 4.15570177e-02
 2.48718788e-08 1.46597484e-10 1.10401384e-11 2.53734598e-12
 1.06247185e-10 1.88319277e-10 3.97005762e-09 4.48098697e-10
 9.33384446e-12 2.47851288e-11 1.57617706e-05 2.40705700e-09
 1.76586124e-08 3.60042662e-08 1.08478415e-09 7.70265240e-10
 2.77211643e-10 2.49938792e-10 9.56001997e-01 1.95499839e-09
 3.22406524e-09 4.22873244e-13 7.94481458e-09 7.07360386e-12
 2.32076358e-09 9.47122603e-10 1.91301098e-12 3.24602567e-09
 4.16541801e-10 1.39370904e-09 8.67490968e-09 2.21268959e-09
 1.25379689e-11 4.39913427e-12 4.76427786e-09 4.58274217e-12
 1.95861410e-10 1.72855220e-11 4.79567666e-13 4.91181984e-09
 1.91673442e-14 1.53822679e-12 3.88688456e-11 3.26678767e-10
 1.45206471e-12 6.16625349e-14 3.64419606e-11 2.23443031e-12
 5.05606945e-11 1.95194486e-11 2.24477409e-10 7.32835342e-13
 9.51978025e-14 2.57050755e-13 5.72163081e-08 3.99533073e-09
 3.35800554e-10 2.10700437e-05 1.66631722e-10 4.87092899e-09
 8.39404588e-11 1.46159074e-11 6.44845011e-10 4.34141709e-13
 1.90110306e-11 3.28275429e-09 2.40378617e-03 3.25350207e-12
 3.27435440e-10 1.07460685e-09 1.97017291e-10 1.50388868e-10
 1.98704399e-12 1.98831202e-10 3.38693240e-10 2.62478095e-11
 8.26639538e-12 1.61866059e-11 5.38510736e-10 1.68625413e-15
 6.27357818e-11 6.68116647e-12]


0.956002


70


[1.3050243e-06 1.3945782e-07 1.3574801e-12 9.9985778e-01 4.5800217e-09
 1.1523796e-08 4.5768386e-11 2.7806774e-11 7.1253536e-09 4.5529602e-09
 2.2399730e-08 1.5982157e-12 1.0525950e-12 1.9082097e-10 1.3578897e-04
 3.4054173e-11 7.1774692e-10 1.5356522e-09 2.6259836e-10 6.2193828e-10
 6.2449240e-11 3.7254175e-11 2.7515512e-06 1.4489120e-10 8.1809171e-10
 3.5204079e-10 2.8682006e-08 5.7795969e-12 1.7904906e-08 1.0235528e-08
 8.6768226e-14 1.8542633e-12 2.5234628e-10 3.3664350e-12 4.3883192e-10
 4.3581926e-07 1.5682729e-11 3.8416939e-12 2.7955133e-08 4.1008030e-12
 8.3768398e-10 8.1042811e-12 3.9019755e-12 2.8339889e-07 8.7423694e-15
 6.0319597e-12 6.1172595e-11 4.2093845e-10 2.8502907e-12 3.7103797e-13
 4.1359238e-12 1.9385802e-11 1.9014626e-10 2.1418238e-09 4.2530900e-08
 6.6469392e-11 4.8532424e-13 2.7137111e-14 7.1022197e-09 3.8499151e-09
 5.6833903e-07 3.2699057e-07 2.5402841e-07 2.3222787e-08 2.2081654e-09
 2.1469068e-10 3.6316679e-09 1.0606646e-12 7.1411557e-11 2.8450615e-11
 1.9914983e-08 1.0849733e-11 3.2367931e-10 8.4821122e-11 9.6040342e-11
 5.0491781e-11 4.4933852e-11 1.6637289e-10 1.4390053e-10 7.3051192e-12
 1.6854214e-11 1.8785098e-11 7.7330342e-10 1.3330859e-13 7.5196138e-10
 3.6736074e-13]


0.9998578


3


[3.59130468e-06 7.21528922e-05 5.92133287e-11 1.34710991e-03
 2.44737786e-10 1.71406001e-08 6.21287355e-10 4.73087525e-08
 3.51723230e-07 5.87781770e-08 1.32153857e-10 1.16607710e-08
 6.61128112e-08 1.89793115e-09 2.66603024e-06 9.36556521e-09
 3.73045550e-09 7.30938950e-07 1.11568550e-08 1.63986869e-08
 1.14504373e-09 3.18741838e-11 1.33367175e-08 2.06518891e-09
 1.83087090e-09 2.11211724e-08 1.25958195e-05 2.62163985e-10
 5.86815132e-03 1.88914331e-04 6.08105255e-09 3.88543739e-08
 4.28302192e-05 1.74168093e-07 4.09268523e-06 5.93839877e-06
 6.25510810e-10 1.51926525e-08 3.77120870e-07 1.29001094e-08
 2.10972260e-07 2.63099365e-09 1.94965821e-09 6.32032823e-07
 1.36235287e-10 2.34807063e-09 2.34802702e-08 9.19523870e-08
 1.08702092e-09 1.92403093e-10 5.47726264e-09 1.13360633e-10
 1.33330040e-08 8.42095034e-08 1.02966419e-06 2.91556546e-07
 1.89879302e-05 2.07202380e-08 5.16453183e-05 1.77369856e-07
 8.92336786e-01 1.50011783e-03 9.79236215e-02 5.76974067e-04
 3.84278137e-05 1.16156871e-08 9.62029318e-08 1.38850223e-10
 6.15138731e-08 1.60906433e-09 4.54949074e-08 1.38931968e-08
 5.56268986e-09 3.66915117e-07 1.19826709e-08 2.52806611e-08
 8.96860399e-08 2.03583426e-08 1.30808582e-08 2.59022492e-08
 5.28095212e-09 1.34265266e-09 3.50940361e-08 4.77369433e-08
 3.50604523e-08 4.17775842e-10]


0.8923368


60


[1.5775452e-06 1.2554165e-05 3.4963851e-11 1.5833097e-05 9.1926561e-10
 2.5436842e-09 3.6654402e-10 1.5919701e-05 4.6064411e-08 2.5410558e-09
 5.8595323e-11 1.3792031e-08 1.3021302e-07 1.0109511e-09 3.0492890e-06
 6.3500685e-09 4.4760429e-10 1.1428109e-04 4.1523199e-06 1.9557584e-07
 1.9274551e-10 2.8330541e-10 1.0348131e-08 2.9263095e-10 7.3123070e-11
 5.2414456e-10 4.8512311e-06 9.5964447e-10 6.4999634e-01 3.2914177e-01
 1.1081847e-08 8.2694629e-07 1.0405942e-05 9.2213651e-07 8.0442835e-05
 2.0041982e-06 4.0891743e-09 4.8757570e-08 8.4062556e-08 2.0407623e-07
 1.5037595e-07 7.7151867e-09 1.1642726e-09 4.7875500e-07 1.1246506e-09
 9.5545349e-09 6.7732842e-08 5.1668867e-08 2.1115856e-09 6.5284458e-11
 4.0252036e-08 1.8557642e-12 2.8411579e-08 4.5432772e-11 1.3251635e-07
 1.0064342e-08 2.7464861e-07 3.4009197e-08 3.0773404e-04 1.3362130e-07
 2.8489437e-04 1.3420885e-02 6.5686256e-03 2.2208394e-06 2.1888848e-06
 1.2171395e-09 2.2601643e-10 1.9687538e-10 1.7470644e-08 2.5775198e-09
 7.2220346e-10 8.0178744e-09 2.9554623e-09 9.1756732e-08 3.0598954e-08
 6.0514899e-10 8.2007794e-08 2.9132030e-08 9.5200037e-10 1.0438991e-07
 2.8554589e-10 3.8498568e-10 1.0897306e-09 5.6657168e-06 1.5039215e-07
 2.9616245e-09]


0.64999634


29


[7.52625340e-09 7.57365015e-08 6.20190341e-14 9.22795707e-09
 7.55695419e-12 1.84869980e-12 5.70468748e-13 1.02431108e-09
 4.25317337e-09 4.86343639e-11 2.47983422e-15 2.14635629e-10
 3.20149489e-08 4.73333438e-12 3.27465585e-07 5.40093303e-10
 2.44441203e-11 4.53411673e-07 2.10865236e-09 2.59136629e-10
 9.68133559e-13 1.71984375e-13 4.36548887e-11 1.79637913e-12
 3.70520888e-12 3.95473029e-11 2.30309425e-07 3.02091956e-13
 9.95436609e-01 8.20492187e-06 3.69818953e-09 3.28324106e-08
 1.47067146e-06 3.80592313e-09 1.26379268e-06 1.03145137e-09
 9.73970557e-11 1.68872960e-09 1.23686139e-09 7.89596166e-10
 2.95086566e-10 5.76696468e-11 5.98113312e-12 6.69777844e-10
 4.48388462e-12 7.91064089e-11 2.88095325e-10 3.32836425e-10
 1.67169473e-11 3.37955597e-12 5.97124225e-11 2.58425199e-15
 9.95165235e-12 5.75763829e-13 1.07324372e-09 2.45973641e-09
 1.47376022e-08 8.95160390e-09 1.33579704e-07 1.74944420e-10
 4.54443274e-03 1.66724504e-07 6.37936273e-06 1.70230802e-10
 7.24186719e-08 7.63952096e-11 4.52010391e-12 1.16279545e-12
 8.36333780e-11 7.59802898e-12 5.02250297e-10 1.37605505e-09
 1.03604104e-10 3.99519501e-10 2.41348348e-11 6.76021461e-11
 2.25921815e-09 6.41606712e-10 8.90391059e-12 2.79180984e-10
 2.61657427e-12 2.57013993e-11 3.86992591e-11 5.74722381e-10
 4.20732615e-10 3.19183482e-13]


0.9954366


28


[6.43376596e-09 1.00000000e+00 3.88585953e-14 3.89392696e-09
 3.82350275e-16 4.44678033e-14 5.30286459e-15 1.11890136e-10
 5.04218639e-15 4.48911351e-12 9.77804352e-16 4.68850896e-11
 4.85905066e-11 7.63163662e-16 1.24901356e-09 8.19939385e-13
 7.96311225e-18 5.20606677e-14 5.95216422e-14 2.69297439e-15
 3.05832072e-16 1.21861882e-18 1.07200230e-12 6.18186721e-16
 1.18759787e-14 5.46789176e-14 8.30168020e-13 1.37496926e-16
 5.05191764e-08 7.94861885e-11 2.57818681e-15 3.23396798e-15
 1.33873771e-11 4.19107464e-14 3.76723799e-14 7.07938914e-15
 2.01273392e-14 8.76902823e-16 3.60188191e-14 1.23166836e-16
 2.63407257e-14 3.20459140e-16 6.20451758e-18 1.98510631e-12
 2.40828796e-18 1.03501137e-15 2.47576160e-14 6.38754851e-16
 1.50285588e-16 2.72932412e-17 3.86302822e-16 1.80386213e-18
 7.42913370e-15 1.45516974e-14 1.35229252e-12 2.04599507e-13
 2.38496971e-15 1.21360468e-13 4.68052375e-10 2.35139816e-13
 8.16986236e-12 7.68603757e-12 1.18662219e-10 8.51540314e-14
 1.45727587e-13 4.67544357e-15 4.09364088e-16 3.11324588e-15
 7.11199898e-17 6.84378091e-14 1.87989537e-11 9.67593106e-12
 6.57106011e-15 2.53571632e-13 2.67150645e-16 6.95225171e-12
 3.95104175e-12 5.16246718e-15 1.19885311e-16 8.81749480e-13
 8.23440499e-17 4.69908129e-15 2.80506022e-12 1.45774845e-13
 1.14398402e-09 1.93739821e-16]


1.0


1


[3.08515752e-07 6.89598846e-06 1.88790289e-10 1.90752342e-01
 5.42574652e-10 6.62199511e-07 9.33132593e-09 3.71445763e-09
 2.47495814e-06 1.93196783e-08 1.28061478e-10 3.62235936e-10
 4.14018450e-06 5.86072302e-11 4.91669354e-08 2.25084382e-10
 3.54891061e-10 1.16661036e-08 8.71005401e-09 6.22487750e-09
 1.30128783e-10 1.97272851e-10 9.43422336e-08 4.32234332e-10
 3.64542618e-10 9.79906645e-09 5.56275118e-05 1.55480862e-09
 1.37717381e-01 5.55197150e-03 5.31927867e-07 2.81139961e-07
 3.49896363e-05 9.42494751e-07 3.41480086e-06 4.60652427e-06
 6.31378194e-09 4.01176301e-08 6.64169022e-07 5.53283597e-09
 3.19599599e-06 2.99451095e-08 5.86467264e-10 3.84212171e-06
 2.52849741e-09 5.49604771e-08 1.14386346e-07 6.92714508e-08
 2.79534120e-08 2.77346868e-10 1.23998278e-08 1.41782042e-09
 2.96650313e-07 1.21607428e-07 4.91571539e-09 8.44918913e-10
 5.55930910e-07 1.73167757e-06 2.01968214e-04 1.60292057e-05
 4.28227261e-02 3.87828186e-05 6.21336102e-01 6.65576139e-04
 7.66777550e-04 1.39589218e-09 4.81771906e-07 8.98290686e-09
 7.06077730e-09 2.64908984e-09 4.04648574e-07 1.52861992e-06
 6.04979320e-08 5.22365013e-08 1.85310725e-07 5.04343973e-07
 3.52751982e-07 1.91049381e-08 1.81779107e-08 3.46669040e-08
 9.53228163e-09 6.09233375e-09 1.07968191e-07 6.20905325e-07
 1.44863916e-08 1.03036349e-07]


0.6213361


60


[1.74257195e-06 1.18956614e-05 6.01293321e-11 3.38620339e-05
 9.08724971e-08 7.34162153e-09 7.25048555e-09 1.54874306e-05
 1.74592856e-08 2.44492337e-08 1.35673901e-07 2.25479315e-08
 5.49578125e-08 5.90660010e-09 8.09982594e-05 2.92773095e-08
 1.96067940e-09 2.38516531e-03 2.05123390e-04 3.19497599e-06
 3.04919034e-10 5.59335795e-08 1.67872633e-06 3.64744430e-08
 5.10725329e-09 1.47139465e-08 5.38910899e-06 1.50778467e-09
 1.92812700e-02 9.74789202e-01 1.90935157e-09 4.23340396e-07
 9.02768761e-07 1.85094395e-05 1.59347940e-06 4.12502732e-06
 3.71774540e-08 9.27634787e-08 5.05021056e-08 1.90630033e-07
 2.92306197e-07 6.43023057e-09 3.74342113e-10 1.90272669e-06
 2.89463054e-09 4.26560787e-10 2.30783268e-08 3.12931974e-07
 6.79671830e-09 1.21848379e-10 1.94921448e-08 1.92361283e-11
 1.32132740e-07 6.96586122e-10 1.02264856e-07 8.09144474e-10
 3.72208007e-08 1.38796716e-08 1.64269621e-03 8.58427313e-07
 1.48863694e-06 4.79086040e-04 9.87804960e-04 4.11229557e-05
 1.42504049e-07 7.49262483e-08 8.21108248e-09 1.61657340e-10
 1.88967224e-08 4.64575667e-09 1.45651775e-08 1.10935282e-07
 5.36309619e-09 1.20687204e-07 1.18735031e-07 3.54761043e-09
 2.80806156e-09 4.93304384e-08 2.22461582e-09 4.06741947e-08
 1.03219344e-08 8.25662205e-10 1.68160721e-08 9.46253181e-07
 8.97676102e-07 9.12559628e-09]


0.9747892


29


[1.3435083e-08 1.7268007e-08 1.7685680e-14 1.0991193e-08 4.4326980e-11
 4.6248613e-12 9.4114365e-13 1.0703366e-10 6.9413765e-08 3.0203318e-10
 1.7389851e-14 1.7101223e-10 2.4805712e-07 3.7583721e-12 3.0644948e-08
 1.8865360e-09 3.9821393e-11 2.6917922e-07 4.1529924e-10 4.8060833e-10
 1.2052482e-12 1.9932973e-13 1.2850973e-10 1.1188563e-11 2.0065271e-12
 2.4887317e-09 8.0850405e-08 6.9160910e-13 9.9994314e-01 7.0711380e-06
 1.7375010e-09 1.9989789e-08 8.8825379e-07 7.8948403e-09 1.6515810e-06
 3.3920053e-10 6.0010219e-11 3.3088781e-09 1.9277113e-09 4.8002835e-10
 3.4260897e-10 7.2024622e-11 3.2677045e-12 3.7383580e-10 1.7948147e-12
 4.6395101e-12 9.6770286e-11 2.6220737e-10 1.2835577e-12 3.0114416e-12
 1.2200235e-11 6.3324569e-15 2.5402075e-11 1.3215122e-11 9.7410373e-09
 1.0401682e-09 7.3241431e-09 8.4189500e-09 7.7969602e-08 1.0536657e-11
 4.4180244e-05 2.4310481e-07 1.9820880e-06 9.3704287e-11 2.0605892e-08
 6.8427200e-12 7.1823439e-13 1.7373218e-13 9.6708605e-12 4.0387547e-13
 5.1107011e-11 3.3380114e-09 1.4384889e-10 1.2437020e-11 4.8102900e-11
 1.1278274e-11 2.0112881e-10 7.5727889e-11 1.6900939e-12 4.6943027e-10
 2.8610534e-11 5.8355695e-11 2.1277407e-11 4.2132160e-09 6.2546186e-09
 6.3817273e-13]


0.99994314


28


[1.05381348e-08 1.02137207e-07 7.79516290e-14 6.08020800e-10
 3.32895734e-12 7.21197199e-11 9.63588137e-14 1.58468215e-12
 1.48378065e-09 4.99921589e-12 1.27176117e-10 6.54054089e-10
 5.59854982e-07 4.01774100e-12 2.21898219e-07 1.94690444e-11
 5.52555560e-13 5.61832837e-11 7.21659538e-11 3.01450427e-11
 1.11503485e-13 2.79314078e-14 1.75685397e-10 1.53457160e-11
 1.78641899e-12 6.35458434e-07 1.05636466e-09 5.94236235e-14
 5.29642152e-09 9.74304942e-11 5.35975683e-15 4.99141267e-12
 4.74734363e-10 4.50240409e-12 1.46511069e-12 1.08619390e-11
 1.14853624e-12 7.28550304e-13 1.19960458e-10 3.89970304e-12
 3.06122705e-12 3.30406384e-13 8.34625355e-15 2.10475345e-10
 1.50832044e-16 3.22714843e-14 2.52447347e-12 2.21200323e-13
 1.61914431e-14 8.60604448e-13 6.39283494e-13 6.04116392e-16
 8.07042974e-12 2.29327043e-11 5.24431471e-07 2.94285624e-10
 4.34190647e-14 6.94667956e-13 1.59655743e-11 2.33641994e-14
 3.26619461e-12 3.92523569e-10 9.35513299e-12 3.56555334e-13
 7.04490286e-12 2.93253594e-13 3.32371155e-15 1.11220500e-14
 2.44666266e-13 3.92984473e-13 7.53477735e-15 2.59764970e-11
 1.03923956e-13 2.90313360e-14 2.52468402e-13 6.28993060e-13
 1.03931092e-13 2.08673552e-12 2.07268623e-15 4.49255607e-12
 5.31585951e-14 4.49730991e-14 5.67102043e-14 5.07456273e-12
 9.99997973e-01 4.62046547e-17]


0.999998


84


[2.63180904e-04 1.37243951e-05 5.34598976e-10 9.99681711e-01
 5.16405425e-11 1.33464482e-07 2.39732088e-11 3.77010164e-13
 1.25251169e-08 1.79806434e-10 4.94156636e-13 4.16867131e-11
 2.14865445e-10 1.20654814e-11 7.27646565e-09 1.79672978e-11
 1.34295589e-10 9.30578097e-13 7.35067552e-13 1.89277175e-12
 2.54230578e-11 1.61654804e-12 9.26047239e-09 1.01658135e-11
 8.34946869e-12 1.22668165e-09 2.34928294e-07 4.66911787e-11
 2.13888327e-07 1.89623712e-08 1.41159888e-11 3.66957864e-09
 9.50906326e-07 1.96937577e-09 1.64825593e-08 2.06380535e-09
 7.22764418e-11 7.26666253e-12 1.45190924e-07 4.39849058e-13
 7.39855643e-09 3.19773263e-10 2.75935195e-11 4.69617407e-06
 6.12866827e-14 2.07465392e-10 1.59337349e-10 7.71097630e-11
 2.55911308e-12 1.69352043e-12 9.94598067e-12 6.07251124e-11
 1.52301194e-09 2.16791741e-05 9.39948961e-07 1.09632850e-11
 5.00034458e-11 3.49587408e-11 3.54854590e-09 7.58303864e-10
 2.71373978e-07 1.94468703e-06 9.95392384e-06 1.49648365e-08
 1.12444226e-07 3.68961910e-11 6.17833074e-09 5.32057341e-12
 1.00205851e-11 6.11409465e-11 3.26596833e-10 9.27534265e-12
 1.68740230e-10 7.45781041e-12 4.63807187e-10 1.45786561e-09
 1.20825128e-09 6.52176047e-09 1.64864945e-11 1.09355311e-11
 1.50073814e-10 3.27099486e-13 1.82537430e-09 3.29859425e-12
 2.08295070e-08 6.04998733e-12]


0.9996817


3


[2.07806522e-07 6.74607818e-08 1.04485198e-09 1.03138009e-05
 1.37321877e-07 1.76680426e-09 1.15939058e-09 1.48634971e-08
 1.07153737e-05 2.94281544e-10 5.32001136e-12 5.93605054e-10
 1.90830619e-07 9.12104725e-10 1.55133897e-08 1.36507037e-08
 8.94792975e-05 5.59623061e-07 8.05819525e-07 1.21191093e-07
 9.10478803e-08 3.62272594e-08 2.06791064e-08 8.08446217e-08
 1.45726196e-08 7.87537058e-09 5.17374701e-07 1.30279716e-07
 8.11943114e-01 2.77480539e-02 8.69172436e-05 7.72060528e-02
 7.93703794e-02 8.58413696e-04 2.59691686e-03 1.63191305e-06
 3.21151845e-07 2.90950338e-05 2.67710425e-06 6.31073999e-06
 1.63111563e-05 2.00123191e-06 4.36654268e-08 5.57235853e-06
 3.19687352e-08 1.27749342e-06 3.23859012e-07 3.56367445e-06
 1.07745194e-07 6.01479255e-10 3.35407094e-06 1.06937244e-10
 1.34604576e-07 1.84210620e-08 4.48155717e-08 2.35169956e-11
 1.23863788e-06 1.51420835e-07 1.63463014e-07 3.37954802e-08
 7.55603139e-07 3.18233973e-08 7.88671230e-07 4.30411040e-09
 2.65439919e-08 1.34520906e-09 3.27607026e-08 6.58665844e-10
 5.03431918e-09 4.32171454e-09 1.70708834e-08 7.44230511e-11
 4.06264249e-08 1.42843362e-07 1.26878668e-08 5.99383831e-09
 2.22832366e-08 2.56665061e-07 3.36405695e-11 3.33390595e-08
 3.23012284e-09 1.39809258e-08 1.51406821e-11 1.66859362e-08
 3.23839089e-08 1.45524748e-09]


0.8119431


28


[6.50689458e-08 9.17246012e-09 1.85896154e-09 7.92523101e-03
 2.04587991e-09 7.39274197e-11 2.78635144e-12 1.31675608e-13
 7.49508025e-11 1.34253598e-11 3.53180610e-11 3.33006206e-10
 7.19830376e-11 5.36851856e-12 7.71984787e-07 7.22898008e-09
 2.53042494e-08 6.85556145e-09 3.76364540e-09 1.70449987e-09
 7.45254691e-10 1.35344647e-09 9.90411162e-01 8.95447982e-09
 5.36778888e-09 2.90470447e-13 6.45252474e-09 4.87799514e-12
 6.02061201e-09 7.19200810e-10 2.28839517e-12 9.88316184e-09
 2.27954960e-10 2.42832865e-09 4.62948613e-09 7.57236218e-10
 1.35126814e-11 5.33383624e-12 9.51016155e-10 5.81272920e-12
 3.67099989e-10 3.61555334e-11 4.99751119e-13 6.01939221e-10
 9.16459749e-15 8.43603941e-13 2.02569919e-10 2.06667417e-09
 1.89726923e-12 7.00560080e-14 5.18995784e-11 5.67134230e-13
 1.32485495e-10 1.09588026e-10 5.04584707e-11 2.45569244e-13
 7.61243499e-13 1.28766800e-12 1.93308608e-07 3.59961372e-09
 4.36197567e-09 3.56874880e-05 1.88650828e-09 2.71505503e-08
 1.04257554e-10 4.21036192e-11 5.39877421e-10 8.35319227e-14
 1.19137590e-11 7.36025907e-10 1.62685057e-03 1.39940967e-12
 8.72191763e-11 1.80735940e-10 3.09240689e-10 7.45504561e-11
 1.15585319e-12 1.97985753e-10 9.08208730e-10 1.66372489e-11
 1.01908829e-11 3.41027935e-11 1.73099202e-09 3.69190152e-15
 6.88331891e-11 1.36775972e-11]


0.99041116


22


[3.61409292e-07 9.74440795e-09 4.69149730e-13 9.99997258e-01
 1.35066180e-09 3.10450190e-08 1.31183118e-12 1.33742160e-12
 5.81204668e-11 2.41727444e-10 9.70137443e-11 1.00809076e-14
 2.39084325e-11 5.11956189e-12 1.66625887e-06 8.67082393e-13
 5.47351164e-10 2.10789268e-11 5.26086119e-11 5.96378558e-10
 5.77460926e-11 4.17319596e-10 3.20864018e-07 3.52631396e-11
 5.42059897e-10 1.90715485e-10 2.69197398e-09 2.97730157e-12
 5.66754588e-10 7.67355554e-11 5.97176016e-15 4.53306582e-13
 7.75758416e-11 6.86883883e-12 1.73123842e-11 1.49185738e-07
 7.50467744e-12 1.12291014e-12 3.07161265e-08 3.98529164e-13
 2.77808843e-09 1.77647903e-12 7.15490289e-14 4.27124398e-08
 7.28291634e-16 1.47703442e-12 5.48876222e-11 1.35745404e-09
 2.00265520e-12 9.81285230e-14 1.22362905e-12 4.89506456e-11
 5.32434985e-10 5.66257841e-09 5.07067028e-08 3.63435681e-13
 1.10305352e-12 6.51160390e-15 1.44411034e-08 1.14117826e-09
 3.22756044e-09 1.81945037e-08 5.35876565e-10 4.40872538e-09
 4.03571426e-10 7.39478895e-11 2.18771529e-10 2.60448011e-14
 8.41605344e-12 4.69619959e-12 3.81945114e-10 8.40234661e-14
 6.09115189e-13 2.75139113e-12 5.52075365e-11 2.64314222e-12
 1.41069031e-11 7.17171591e-12 4.04291566e-11 1.15343542e-12
 1.66336899e-12 3.39601134e-12 1.83537380e-10 7.13282633e-15
 2.66883876e-10 2.14817669e-14]


0.99999726


3


[3.39477956e-05 1.95125380e-04 2.31051667e-09 9.01918486e-03
 1.10646070e-08 2.08203588e-07 4.78107509e-08 9.25918243e-07
 9.14971770e-06 2.24692030e-06 9.27428445e-09 1.08049152e-08
 2.61166088e-06 4.16763939e-08 7.10582117e-06 6.88887880e-08
 7.20733226e-07 1.02924002e-06 2.54957712e-07 7.57137855e-07
 3.67786548e-08 6.71214995e-09 1.28948830e-06 1.81880566e-07
 1.05816156e-07 1.03747971e-06 7.50795705e-04 1.42779228e-08
 2.13455595e-02 6.11252412e-02 4.17589874e-08 3.01649402e-06
 9.11668059e-04 2.51293131e-05 1.11229357e-03 2.69160577e-04
 9.21979009e-08 1.17486752e-06 9.99164240e-06 4.81979839e-07
 1.13670640e-05 4.35452478e-07 5.82110218e-08 1.62768247e-05
 4.57103333e-09 1.03452408e-07 4.12932906e-07 1.73982025e-05
 8.84379290e-08 2.77254575e-09 2.01652870e-06 6.82684629e-08
 2.17782826e-07 7.22787881e-05 8.73962126e-05 8.36799018e-07
 6.18488062e-04 1.41756095e-06 5.04152197e-03 3.97813019e-05
 4.84222293e-01 1.37945578e-01 2.74346173e-01 1.23748451e-03
 1.48642238e-03 7.16034776e-07 7.16207842e-06 2.60087880e-08
 3.60159424e-06 1.22799591e-07 1.65435708e-07 1.33864845e-07
 3.06887138e-08 2.38818961e-06 1.80869179e-07 1.41296709e-07
 1.84126418e-06 2.92245954e-06 1.51308246e-08 2.24611995e-07
 3.63064494e-08 2.84546768e-08 2.68288034e-07 2.16806768e-07
 8.17135458e-07 7.06932752e-08]


0.4842223


60


[8.3544114e-07 3.6803942e-07 7.5713998e-11 6.3016654e-07 8.1133038e-09
 1.0519801e-08 1.8735475e-09 7.0469951e-06 2.7072083e-08 5.6186242e-09
 1.3990265e-09 7.8672734e-08 1.6708026e-07 2.6068996e-09 7.6585211e-06
 4.8183765e-08 6.7067987e-08 1.4179676e-02 4.1223908e-04 1.3546143e-05
 8.7903604e-09 3.6271902e-07 1.8494195e-08 1.1004153e-08 5.0114064e-09
 7.2723441e-09 2.9402677e-06 1.1341207e-09 3.1639721e-02 6.9741786e-01
 2.5977815e-09 1.3182222e-06 5.3609742e-06 4.7649056e-07 2.0881818e-04
 6.4781611e-06 3.7613265e-08 1.0940027e-07 2.9630868e-07 7.1828566e-07
 5.4672961e-07 2.0873413e-08 2.1270483e-09 1.2343876e-06 2.8889726e-09
 4.4268376e-09 3.7519780e-07 3.0380096e-07 4.3119521e-09 1.6680012e-10
 5.6526778e-07 7.3552824e-11 6.2972461e-08 8.3079349e-10 1.3374364e-07
 1.7103478e-09 2.0686528e-05 7.5298878e-09 1.9123476e-03 2.7182878e-07
 1.8939673e-04 2.4623682e-01 7.6915151e-03 1.6582464e-05 1.9311832e-05
 1.9255300e-07 3.6603978e-10 5.1244364e-10 7.5947703e-08 9.4741299e-09
 2.2171824e-09 7.1047341e-09 3.7389367e-09 9.5671692e-07 5.6588831e-08
 5.3354277e-09 6.1634793e-08 1.7919984e-07 9.4240227e-10 7.1157359e-08
 6.0781131e-09 1.3370932e-09 3.6386745e-09 8.5287718e-07 2.3571982e-07
 2.4616797e-09]


0.69741786


61


[5.99236216e-07 6.75116780e-08 1.08911300e-11 1.47087988e-07
 2.13171383e-10 8.86840024e-09 6.56070809e-10 7.73333454e-07
 6.61644748e-08 4.83686335e-09 7.55819782e-11 1.40256455e-08
 2.26419328e-08 3.16322346e-09 3.73194016e-05 1.49863197e-07
 4.40621797e-08 3.64083424e-03 4.45246624e-05 3.20916314e-07
 4.40717418e-09 1.78494560e-07 1.49400226e-08 3.40649819e-08
 4.69413557e-08 1.52540505e-08 8.26332234e-06 8.06828007e-11
 6.78015174e-04 3.73253296e-03 3.29053718e-09 1.83740068e-09
 2.07523954e-06 4.84637530e-09 2.09154996e-06 8.00960208e-07
 1.29220590e-09 4.61651481e-08 1.45413466e-07 2.69859044e-07
 4.72051447e-08 1.06722862e-08 8.94631302e-09 7.32688022e-07
 4.71690287e-09 1.80477544e-09 4.75026837e-07 6.20948697e-08
 5.78256776e-09 1.37691092e-09 1.34450771e-08 9.59146790e-11
 7.12875021e-08 1.18995913e-09 2.45246611e-07 1.04128254e-07
 3.26742558e-03 1.52013736e-05 3.86599888e-04 3.50747869e-05
 2.17251614e-01 5.84673726e-05 7.69064248e-01 1.43834681e-03
 3.28388036e-04 5.50490313e-07 1.73257710e-08 4.24036556e-10
 1.60039036e-07 6.20996898e-09 1.13601768e-08 2.09705835e-08
 3.57760044e-08 9.06841080e-07 5.86483360e-08 2.45231635e-09
 8.13836465e-09 4.59710719e-07 8.75934381e-10 2.46290650e-08
 2.05721147e-08 7.86167398e-09 1.03122968e-08 1.11197437e-06
 1.24247306e-08 5.72892992e-12]


0.76906425


62


[3.66610884e-08 9.99999762e-01 6.93627577e-12 8.36827496e-09
 4.01888970e-16 2.96503425e-12 6.83510757e-13 8.66456418e-09
 1.64812825e-13 2.76592551e-12 7.57765636e-14 2.22443244e-10
 6.78748124e-09 7.37278348e-14 1.40112363e-07 1.32022145e-11
 7.95762255e-16 3.36210595e-12 4.42417249e-11 3.43028523e-14
 6.66314402e-14 1.40322284e-15 3.05330804e-12 1.06861263e-13
 2.91010271e-13 6.48665193e-12 2.23857911e-11 7.22193843e-14
 1.22091326e-09 2.56023137e-11 2.27890809e-14 4.17373926e-14
 2.64012180e-11 6.31537601e-14 1.59094808e-12 5.29001918e-13
 1.18268904e-12 2.62003181e-14 4.18807106e-13 2.49429222e-15
 6.92718940e-13 5.80427565e-14 2.08372519e-15 2.27858232e-10
 3.26022353e-17 3.82089549e-14 1.91631270e-13 3.98238910e-14
 1.05031247e-14 9.59872898e-15 5.19558016e-14 2.19440593e-15
 1.05421943e-12 1.33314679e-11 6.47817355e-11 3.32890594e-12
 3.50899969e-11 1.19811990e-11 1.48802755e-07 1.26019306e-09
 1.12861276e-10 1.00097408e-09 2.93399083e-09 3.65386255e-09
 1.87525377e-11 5.34655263e-12 2.54214069e-14 2.20262271e-13
 1.05359506e-14 2.95327760e-12 4.55631505e-10 9.52744897e-11
 3.28057937e-12 5.59151579e-11 4.86329794e-14 2.54851057e-10
 2.96967693e-11 2.90001443e-12 6.63526478e-15 7.37828132e-11
 7.61143603e-14 3.05108998e-12 2.61814903e-10 8.96435634e-11
 1.09936602e-08 1.42492890e-15]


0.99999976


1


[6.16724310e-06 1.29821230e-04 2.01717620e-09 7.94074237e-01
 1.97650945e-08 2.63770577e-04 1.47440558e-08 1.86841234e-07
 9.28491431e-07 2.67561148e-07 7.45833972e-09 8.19405699e-09
 8.04328732e-03 5.64571145e-09 6.18712761e-07 1.90604386e-08
 1.66989196e-08 2.05594347e-07 6.02555929e-07 1.37870074e-07
 2.77564816e-08 8.24070412e-08 2.79949722e-06 7.83021115e-09
 3.65690163e-08 9.13473400e-07 6.13281853e-04 9.56896145e-08
 4.27582115e-02 3.70735041e-04 8.33137733e-07 2.43896966e-06
 4.10864377e-05 4.43940735e-05 3.85646990e-06 1.03786333e-05
 1.69116987e-07 1.14052874e-07 6.53686075e-05 1.21372468e-08
 6.51921728e-05 5.51377752e-07 3.59095544e-08 4.93426982e-04
 1.46291839e-07 3.66602649e-06 2.86184854e-06 8.84657675e-06
 3.44487063e-07 1.57035895e-08 4.69635950e-07 3.74026877e-06
 3.47784248e-06 3.69124900e-05 4.09614728e-07 2.76671006e-08
 2.20329002e-05 6.62777757e-06 3.74766588e-02 1.78119820e-03
 1.69677846e-02 7.04936858e-04 8.38331655e-02 1.19512901e-02
 1.53055953e-04 2.80054078e-08 2.80949757e-06 8.00134572e-08
 1.70068546e-08 1.36589300e-08 6.66010419e-06 4.97406454e-08
 1.65008021e-06 1.61214211e-06 6.22182540e-07 2.23817879e-05
 5.59932005e-07 2.64849518e-07 1.52072460e-07 5.44117427e-07
 6.35139259e-07 1.70609439e-07 1.06587083e-06 7.30092233e-06
 5.99346549e-07 6.71961288e-07]


0.79407424


3


[1.0620901e-06 7.5488191e-07 2.3459288e-09 3.5930159e-07 4.7902056e-09
 1.3285552e-11 4.7930247e-11 7.2957015e-08 9.5071343e-08 7.8276821e-12
 2.6474050e-14 3.0747718e-10 5.1477292e-07 6.7873339e-11 2.9985778e-09
 3.0381411e-08 6.4826634e-07 6.0955864e-07 2.9809444e-06 1.3584979e-07
 7.6993878e-09 3.0509730e-09 2.8491513e-07 6.9493488e-08 9.3774566e-10
 1.6045272e-09 2.2749212e-07 2.2696845e-08 3.0125605e-03 7.3486089e-04
 1.6886221e-05 9.9053699e-01 6.8794366e-04 1.1880792e-03 3.7850908e-03
 8.2079310e-07 2.1737551e-07 2.0197134e-05 2.6007686e-07 8.2495191e-08
 1.7583296e-06 2.1920840e-08 3.5373957e-09 4.3911271e-07 2.8471375e-08
 2.1028771e-07 9.5381750e-08 3.2879632e-06 6.6130021e-08 1.7773229e-10
 3.4188315e-07 7.9674704e-11 1.5200465e-08 7.0024608e-09 2.7672881e-08
 1.0061262e-11 1.3530132e-07 1.0774664e-06 1.2193672e-07 5.6556999e-08
 4.6030859e-09 6.9597355e-08 1.1242334e-08 8.7661450e-10 6.4750814e-09
 1.8319372e-10 7.8491735e-10 3.0270553e-10 1.3346975e-10 3.5352626e-10
 3.6624616e-08 1.2383213e-11 9.9104698e-09 6.2896845e-08 1.1391606e-10
 9.6946184e-10 4.9526840e-08 1.4037422e-08 3.8341366e-12 9.0127358e-08
 2.0584615e-10 5.0735402e-11 6.2707569e-12 2.7844477e-08 1.0977173e-08
 1.0157648e-08]


0.990537


31


[1.45015008e-06 5.61291972e-06 7.52711138e-09 9.94969070e-01
 3.00827168e-07 6.57265531e-09 3.01922549e-12 7.08298828e-12
 1.84585406e-13 2.25231875e-10 1.24624766e-09 2.85409057e-11
 9.12006026e-09 1.93663349e-11 8.14726052e-04 7.67600594e-10
 8.96076269e-11 8.14718071e-09 1.33526568e-08 4.99422681e-09
 3.82489790e-10 6.76072087e-09 4.19839239e-03 3.50764973e-09
 7.35810135e-10 6.81960252e-11 5.80273785e-09 2.01698606e-11
 2.28320829e-08 2.95733125e-11 9.94853418e-12 9.11075382e-10
 2.39567449e-10 2.06082298e-08 1.81002713e-10 1.95759441e-07
 5.66431346e-11 1.86393392e-12 2.55427768e-09 1.79481199e-13
 1.43760843e-08 5.98401884e-11 2.16063333e-13 4.48703730e-07
 1.22183134e-12 1.51080179e-12 2.91632563e-09 1.12985998e-09
 5.63322965e-11 2.04818814e-13 3.30500627e-10 1.48431276e-08
 4.89995919e-08 6.27806251e-09 1.49133914e-08 4.85939522e-13
 1.22324595e-13 5.91331617e-13 6.45525779e-06 6.89806612e-08
 1.08498259e-10 4.30820904e-07 3.59622193e-11 3.72565196e-08
 2.58559951e-09 5.20559290e-12 9.18928877e-10 2.05876132e-11
 1.73495333e-12 1.26065366e-10 2.55946816e-06 4.48516251e-13
 1.44973582e-11 1.86183324e-09 2.26325694e-10 3.69132303e-09
 1.15188456e-10 6.35528002e-12 1.03857686e-10 7.91827437e-11
 3.94287814e-12 2.35764585e-11 7.96380850e-10 2.66988932e-13
 5.58428281e-09 5.90954577e-11]


0.99496907


3


[9.5503071e-07 1.2148126e-04 7.8543735e-08 3.8043319e-04 3.9522094e-11
 3.0902209e-10 1.2588180e-10 1.3662283e-06 1.4143787e-06 1.4978511e-07
 4.6066352e-11 1.3624555e-09 4.6896812e-06 1.0345072e-08 3.7938339e-06
 2.8846774e-08 5.8347576e-09 5.8185430e-09 1.1648956e-07 2.6096803e-08
 7.9783585e-10 6.3968946e-09 3.0121546e-06 1.3521507e-07 1.0861101e-08
 3.2956052e-08 1.4960032e-04 9.0808062e-11 9.2377054e-04 8.1624139e-06
 7.4860555e-11 5.8647944e-05 9.3641539e-10 4.4949120e-06 6.5278920e-07
 1.6928850e-06 1.1302393e-09 7.7650997e-09 4.4598384e-08 8.6322255e-10
 8.3645064e-09 8.4783841e-10 2.6070954e-10 4.6601247e-07 1.9207235e-11
 5.0249794e-11 1.9780147e-08 6.0066029e-08 2.3941913e-09 1.5441110e-10
 3.9106993e-10 4.5699280e-09 5.7498442e-09 2.0816842e-06 4.5931469e-07
 4.0020511e-09 3.8009209e-06 6.9780739e-08 1.4474076e-03 7.3714793e-05
 6.2607096e-06 9.6455032e-01 9.6662434e-06 3.2156963e-02 8.1794053e-05
 1.7493222e-11 3.2846532e-09 6.2421526e-11 2.3115667e-09 3.1203580e-09
 2.1028367e-08 2.8140727e-08 7.7654407e-09 3.1315162e-07 3.5199466e-10
 4.2422844e-08 9.9096745e-08 2.0113660e-07 8.2535145e-11 9.4358612e-08
 1.5271502e-09 1.0776611e-06 3.2602621e-08 2.2652169e-07 5.0590891e-08
 2.3760083e-09]


0.9645503


61


[3.95289419e-07 1.67637870e-09 9.36807437e-11 7.85137502e-08
 1.73955534e-08 6.01596639e-08 5.25974986e-10 1.22402170e-07
 3.70975251e-08 2.47074752e-08 6.89772151e-08 2.63795954e-08
 9.43197023e-08 2.24295285e-08 1.49965911e-06 1.68676504e-08
 5.94057319e-08 8.57773840e-01 1.41533166e-01 3.10353062e-06
 1.81989410e-08 9.01020121e-06 1.43359856e-07 1.75698496e-08
 5.43745138e-08 5.63268850e-06 3.13441006e-07 4.07835071e-10
 1.63662844e-04 2.64270002e-05 1.97917527e-09 4.47674897e-10
 8.23313044e-08 4.70489204e-06 8.19045027e-08 1.85122360e-07
 7.01873615e-10 1.23373811e-09 4.16983958e-09 2.34334259e-08
 1.59380109e-09 3.09921262e-08 2.56621249e-08 1.77484978e-08
 5.07500875e-10 1.00263520e-10 1.48846922e-07 1.12193375e-08
 1.97187289e-09 2.39418901e-10 4.19523172e-09 1.12345200e-08
 8.92321665e-08 5.49415548e-11 2.74526690e-09 1.02117585e-08
 1.37163647e-06 6.31751149e-08 5.60669832e-07 4.50469386e-08
 1.78569375e-04 5.17133049e-06 2.72370700e-04 1.42348181e-05
 3.55195169e-07 1.32666687e-08 3.88754806e-09 1.20196034e-10
 3.10084403e-08 7.56284102e-09 3.32330030e-09 4.67152432e-08
 3.43568161e-08 1.53692981e-09 4.03163058e-09 1.95265883e-08
 4.59504407e-10 7.63606778e-09 7.66514283e-11 2.20959251e-10
 2.72883272e-09 1.39704426e-08 5.06322539e-09 3.77286915e-06
 4.83102482e-08 1.29903057e-08]


0.85777384


17


[5.86121205e-05 4.01955622e-05 6.51443482e-11 2.61191303e-07
 1.19917045e-11 1.69381323e-07 5.65275649e-09 7.94305848e-08
 8.76599865e-04 2.60312643e-08 4.98409847e-09 2.89127460e-08
 8.46836410e-05 4.39074235e-08 1.58918101e-05 7.57547554e-08
 1.04636910e-09 1.73527259e-09 1.70705139e-08 4.57036098e-09
 3.11647153e-09 5.30202504e-09 1.33296201e-08 1.84873983e-08
 6.29278389e-08 9.95234191e-01 1.57003069e-06 5.39820799e-10
 1.25960761e-03 8.62375509e-06 1.55170810e-08 3.84163877e-06
 3.69488384e-06 4.18320406e-06 1.11869902e-07 3.41616939e-08
 2.79856316e-09 3.06667651e-08 1.54385475e-07 1.02133789e-07
 3.36081456e-08 4.36472236e-09 2.18195947e-10 4.30819591e-06
 8.21787863e-12 1.52218804e-09 3.74403072e-07 1.93356897e-07
 1.67290570e-10 1.50732049e-09 7.28755651e-08 1.19502241e-10
 2.08856434e-07 3.48968058e-07 2.48873530e-05 1.82232372e-06
 2.50412910e-07 3.49189584e-08 3.59493788e-05 4.63209147e-07
 2.34599224e-06 1.16647789e-05 1.08563481e-05 1.25682011e-04
 5.56877967e-06 6.88890767e-09 6.99649019e-11 1.00463216e-09
 4.48809807e-08 2.44967646e-09 2.86134918e-11 1.34975289e-06
 5.32679110e-08 3.69700182e-08 2.01968930e-09 5.33740604e-07
 8.90492018e-08 4.59340654e-09 1.93990879e-10 1.27968192e-07
 9.58941260e-10 1.17856999e-07 3.93309474e-09 1.73050357e-05
 2.16227560e-03 6.28400370e-12]


0.9952342


25


[1.21118910e-05 3.30711202e-07 2.39729434e-11 5.30262834e-10
 3.60673947e-13 4.42731505e-08 2.74336300e-11 3.24044874e-10
 3.23057691e-07 2.75014927e-10 1.33703271e-09 1.29503419e-09
 2.17558764e-07 9.86839765e-08 2.52599557e-06 2.48033871e-10
 9.89363730e-11 5.80935655e-09 2.03343077e-07 1.57528324e-09
 7.36637695e-11 6.18134502e-11 5.66344749e-10 2.93877611e-09
 1.90919303e-09 1.57889426e-02 4.99169017e-09 1.34379938e-10
 8.51940342e-07 5.44516832e-09 6.88064672e-09 1.59633184e-09
 1.91949798e-08 1.61808824e-08 1.16997141e-11 2.01571737e-09
 7.67823652e-11 7.99768307e-11 3.72560649e-08 1.63206879e-10
 8.81494155e-10 1.31754485e-09 1.24848965e-10 2.89696300e-06
 6.36373929e-13 1.04995847e-11 7.47259055e-09 5.48618706e-10
 7.92681806e-12 4.35974173e-11 4.77606710e-09 7.14907161e-11
 6.58580168e-09 3.68750307e-07 1.77197774e-06 1.34321587e-09
 1.67606828e-09 3.03788904e-11 4.79785527e-08 6.53956056e-10
 9.22176613e-10 7.65988695e-09 3.58925401e-09 5.82545958e-08
 3.17532241e-08 1.36823122e-08 1.41869491e-12 9.22180409e-13
 1.73418536e-11 1.20134858e-09 1.05153711e-12 1.14465752e-08
 1.58424440e-09 1.62907993e-10 1.11036137e-11 2.08786299e-09
 5.93830818e-11 1.36354756e-11 1.18465480e-11 6.37199321e-11
 6.29434629e-11 4.74910146e-11 1.30319797e-10 1.54656815e-10
 9.84189093e-01 2.18773160e-13]


0.9841891


84


[9.9532795e-01 2.2481723e-05 8.1257197e-09 2.8316592e-05 4.1774219e-12
 3.5757363e-08 1.0916191e-10 2.4792930e-08 7.1289810e-07 1.6823385e-08
 1.1324652e-11 5.6620381e-10 8.6156748e-11 3.5862939e-09 1.2875381e-09
 1.1392649e-09 4.5459689e-09 4.6569699e-09 3.3016048e-10 4.1869647e-11
 4.2492851e-10 2.7563833e-11 1.0283300e-08 8.7005109e-10 8.3919888e-10
 4.9492746e-07 3.8229680e-07 1.8455315e-08 1.8712770e-05 2.5164988e-07
 5.7599021e-08 9.3859393e-07 8.3740410e-08 4.1281103e-07 3.5367058e-09
 1.7507614e-07 9.6403507e-09 4.2487261e-10 3.4043921e-06 3.4400847e-11
 9.9398250e-09 7.4616020e-09 4.6072204e-09 2.8214431e-03 6.4123750e-12
 9.9292652e-10 1.5242266e-08 7.9859150e-09 2.7614088e-11 2.8104253e-12
 2.3939142e-08 2.3801543e-07 9.3796075e-08 1.7229981e-03 4.0483970e-05
 5.8139260e-10 5.0240121e-11 1.0347188e-11 2.5594647e-07 1.9838006e-07
 1.4260069e-09 1.2904485e-06 2.8384102e-09 2.6514178e-07 4.5329907e-07
 2.6251517e-08 4.8450830e-11 3.2501991e-11 3.7669617e-11 9.7321156e-09
 4.2334234e-09 1.8010194e-09 6.1285048e-09 7.6884910e-10 7.6572415e-11
 6.2149461e-08 2.3364665e-08 1.1424156e-09 2.8287438e-11 1.9674587e-10
 9.0837043e-10 1.0339480e-10 2.3137019e-09 2.3441270e-11 7.6243241e-06
 9.7489061e-10]


0.99532795


0


[3.8006920e-03 2.1987046e-07 3.3487799e-09 2.3139641e-04 3.5553446e-10
 3.6772246e-07 2.7129254e-11 2.6764115e-09 1.3013521e-07 1.3627034e-08
 1.0518186e-09 1.3037221e-09 1.4906365e-09 3.8769175e-09 5.0409188e-10
 1.1730417e-09 1.2833832e-08 5.2290297e-08 1.4620020e-10 5.3680234e-11
 9.1281288e-11 1.5043074e-11 3.2913894e-07 1.6217783e-09 7.5137552e-10
 2.4208815e-08 1.3251328e-08 4.6752625e-08 6.6688699e-05 1.4718111e-05
 2.5448726e-06 5.0585760e-07 2.7071226e-06 4.9201094e-06 4.3918433e-08
 9.0693248e-07 2.3914136e-08 9.1772939e-10 2.8307189e-04 6.3297995e-10
 1.2644264e-06 8.9872021e-09 3.3067872e-07 9.9553311e-01 2.6245699e-09
 5.4917265e-08 2.5456382e-07 2.1387732e-08 2.1978418e-10 9.0794053e-11
 4.0761745e-07 1.4450355e-06 5.1524748e-06 1.3861809e-05 1.1991618e-08
 8.4139709e-12 8.6248630e-12 9.4790278e-12 2.6950863e-07 9.7388670e-07
 1.0999103e-06 2.2535540e-05 2.5139423e-07 4.6817863e-06 2.9963285e-06
 5.8807230e-09 7.7489496e-08 4.2909862e-10 4.7786004e-11 1.6106068e-07
 6.9228446e-07 9.1548102e-10 6.3616625e-08 1.4538386e-09 3.2090344e-10
 1.9333237e-07 5.5152052e-09 2.8447749e-08 2.4208838e-10 9.7905928e-10
 4.2686055e-09 1.0751298e-10 2.3196673e-09 1.9019274e-11 6.4019741e-07
 2.8594394e-09]


0.9955331


43


[6.9883426e-06 1.2031950e-06 3.7048958e-12 2.1404984e-08 3.6424402e-14
 8.2483645e-08 3.2836785e-11 2.0895444e-10 5.2882312e-09 1.1285849e-09
 2.3405815e-09 1.7099998e-10 1.2293185e-08 1.3625236e-08 1.3061160e-07
 1.3846230e-10 2.2569671e-10 1.3849335e-08 3.6218477e-08 1.9234590e-10
 2.4965394e-10 2.6262013e-09 4.8647277e-09 8.4769602e-10 7.8548625e-09
 9.9990201e-01 3.3512820e-10 2.5382094e-11 3.0187536e-08 1.4246241e-07
 3.2293924e-11 3.0705581e-12 1.7293097e-09 1.3185178e-10 5.5389010e-13
 6.1066102e-10 6.3363681e-10 7.0087615e-13 6.8003339e-07 1.9550743e-12
 9.1518082e-09 1.5944767e-09 4.5155581e-09 2.6002284e-05 1.5698304e-14
 8.3665991e-12 1.3546705e-10 1.1492056e-09 2.2051911e-12 1.7280210e-12
 3.1845526e-10 2.0805656e-07 1.6649787e-08 8.9927892e-07 8.1664098e-09
 4.8766324e-11 3.9303313e-12 3.8801021e-14 2.1178126e-09 9.0027079e-09
 2.2629069e-10 1.8217763e-09 1.7063613e-09 7.5421718e-07 3.1924905e-09
 3.2062241e-07 3.8308040e-10 2.6964923e-12 8.7188069e-12 5.2247380e-09
 1.7566512e-11 2.8219169e-10 3.2053602e-08 3.1555408e-11 9.5620061e-13
 7.4103650e-07 4.6843848e-11 3.3020256e-10 9.4298541e-11 5.4434576e-13
 5.3708960e-12 3.2004098e-13 1.3008625e-09 1.7768833e-11 5.9616174e-05
 7.2369487e-15]


0.999902


25


[1.0738331e-08 4.2599901e-09 1.6735352e-10 1.7461279e-08 3.0469927e-13
 7.1107562e-14 4.0461348e-14 3.1085894e-09 7.4500593e-07 4.3905175e-12
 9.5533871e-16 5.4280462e-11 1.5040731e-09 4.8437996e-14 3.7043441e-12
 1.2282556e-10 2.4223494e-08 1.3617416e-08 8.2040197e-09 1.9674658e-10
 1.1405539e-09 3.4894022e-11 2.5331312e-11 2.3688085e-09 1.2377803e-10
 1.4128259e-11 6.9788952e-09 1.0661062e-09 1.9022065e-05 9.9929762e-01
 6.2852405e-04 3.1315969e-05 1.1387662e-05 5.7326298e-07 8.0746149e-06
 6.5390218e-08 1.4621919e-09 1.7355912e-09 4.3748869e-08 2.4922267e-08
 2.6831945e-08 1.0561087e-08 3.0244061e-09 1.4415059e-06 3.6080339e-10
 2.4878240e-08 3.0154004e-07 2.8707396e-09 2.6834133e-09 8.3408931e-13
 4.6446658e-07 2.9319458e-10 8.4836609e-09 2.2744302e-10 1.9550873e-10
 1.3323466e-13 7.3854665e-09 8.1878629e-11 2.9926489e-10 1.5924313e-07
 4.1301922e-09 9.1286569e-09 1.3521452e-07 1.1807255e-08 5.3838893e-09
 7.7158800e-12 1.6921733e-11 1.4728597e-12 1.7974986e-12 1.6060867e-10
 9.7469095e-11 5.7787033e-13 7.1445955e-10 8.4108953e-10 1.1608247e-12
 4.7311762e-11 4.3022221e-09 8.1925888e-09 5.8562850e-13 6.1335992e-10
 2.6884194e-12 2.0634433e-11 6.9664692e-14 3.0862915e-10 2.1145676e-09
 1.5578353e-12]


0.9992976


29


[9.99943018e-01 1.97795325e-05 1.44166528e-08 2.36713004e-06
 5.63717313e-13 6.22500385e-10 7.93624021e-12 1.09387133e-09
 7.16356918e-10 2.73857992e-10 2.31414360e-10 1.15694450e-08
 5.17436788e-11 2.90357738e-10 1.44495095e-06 1.01449736e-07
 1.61776903e-09 5.33925659e-09 1.11262892e-08 9.53740820e-09
 1.98856848e-10 2.46453396e-11 4.37627605e-08 5.10230036e-09
 9.30446553e-10 9.53879109e-09 2.15257617e-10 7.39619754e-10
 5.59403102e-09 1.35691067e-07 1.33287104e-10 6.74763467e-10
 1.44697865e-09 3.46105278e-09 7.71640529e-11 1.19591381e-09
 3.52343363e-11 1.96746937e-12 6.86381063e-10 1.38243601e-11
 3.58244601e-10 2.03974294e-12 3.48513544e-11 1.76240610e-06
 1.09697177e-13 4.45879309e-13 2.49613330e-09 1.07756110e-10
 8.15785427e-13 1.82696265e-13 7.73727471e-11 2.10307986e-11
 4.93747754e-09 8.85351170e-09 2.95737013e-09 4.12115030e-11
 2.99311682e-12 2.29193536e-13 1.09065574e-07 1.07966480e-06
 9.61237492e-13 1.92936742e-08 5.85962079e-09 6.94332584e-07
 1.68843672e-09 1.46819251e-10 2.62651689e-11 7.57987152e-14
 1.03191101e-11 7.25523464e-09 6.25110602e-07 2.14858220e-09
 4.65877692e-09 1.39583411e-08 9.17179943e-11 1.07042794e-07
 1.18192414e-10 1.35352829e-09 1.45079976e-10 2.44169374e-09
 1.25262942e-11 1.47234863e-10 1.44169690e-10 1.28740265e-11
 2.85605111e-05 1.39704519e-13]


0.999943


0


[6.7855867e-06 7.0062738e-06 4.7883941e-07 1.8126110e-03 3.7093348e-09
 1.9463840e-07 6.5975527e-08 5.8752761e-08 5.7171201e-03 1.1154447e-06
 6.6992306e-10 8.7021284e-08 1.9094067e-04 2.0246682e-07 4.1911135e-06
 5.3982475e-08 1.7721081e-07 5.5303545e-08 3.4078837e-06 1.1637070e-06
 1.7173168e-08 1.1723329e-08 1.5250792e-07 3.2023434e-07 1.3325263e-07
 2.1892604e-06 2.6152225e-04 3.5533117e-07 6.5685344e-01 8.6009063e-02
 4.5047605e-06 5.4849969e-04 3.5860993e-03 5.7150348e-04 3.0944874e-03
 1.0011228e-05 3.6182307e-08 1.8840703e-06 1.3250459e-05 8.8445341e-07
 5.7714437e-06 1.6223238e-07 1.2974724e-06 3.2930326e-04 1.5638316e-08
 3.6768078e-08 1.0462486e-06 5.1789332e-08 6.9338007e-08 3.7821741e-07
 2.2445267e-06 6.2688763e-08 1.5033700e-06 1.5877777e-05 2.5532877e-06
 1.8948710e-06 5.3491662e-05 7.4329364e-07 2.6379645e-04 3.9524343e-06
 4.3443977e-03 3.7164148e-02 6.7302138e-02 6.9403484e-02 4.6481054e-02
 1.7039687e-08 7.8778243e-08 7.6426137e-09 5.7886911e-08 2.2748667e-08
 3.5371862e-08 1.7036218e-07 6.4517135e-06 1.6629454e-07 2.4209515e-07
 8.3794447e-07 1.6687337e-06 7.8328418e-07 9.1325120e-08 6.7242945e-07
 5.9509297e-08 3.4715274e-06 6.9671685e-08 3.1606085e-06 1.5898351e-02
 2.5493437e-08]


0.65685344


62


[9.8747842e-07 2.0960026e-05 9.2114503e-09 2.6771147e-08 1.0202102e-11
 5.7432709e-10 3.7816554e-09 2.9954023e-08 1.1067480e-07 4.2440269e-09
 1.1728946e-06 2.9455480e-06 1.8317863e-06 6.6513439e-09 4.7024846e-01
 1.9954861e-08 5.6367644e-10 3.3298140e-06 1.2047385e-04 6.1728471e-08
 8.7837565e-10 1.4260363e-08 4.2273541e-08 1.9986135e-08 7.6796169e-08
 4.0539780e-06 4.4706067e-07 6.6837830e-10 2.9130521e-07 7.3366020e-09
 6.7670401e-12 3.6922569e-09 1.9881907e-09 5.9102820e-08 9.4566177e-10
 6.6593162e-09 2.8839348e-10 9.6140929e-11 2.2279160e-10 8.5040475e-10
 1.8925216e-10 6.4697074e-11 3.0536264e-11 1.9787642e-08 3.7326939e-14
 5.6778059e-12 3.9530151e-10 8.7595148e-10 2.9443739e-10 4.6465917e-10
 6.0583794e-10 1.1181014e-11 6.0949934e-10 3.8666781e-09 4.8551792e-06
 2.3828072e-07 2.2498818e-07 3.3136133e-10 2.3349830e-06 2.0582242e-07
 6.8394989e-08 1.2818057e-07 1.7613161e-08 8.8867513e-05 8.8219629e-08
 1.7173351e-08 6.6354734e-11 1.9683680e-11 1.0171745e-09 3.8182857e-09
 3.4012054e-10 2.1091323e-07 5.6984739e-08 7.5854754e-09 7.9365226e-10
 1.2526103e-08 1.8106369e-10 6.1092074e-09 3.1363117e-12 3.2917313e-09
 4.0831985e-10 5.4486513e-08 4.8977356e-10 1.4565773e-08 5.2949715e-01
 6.9543731e-13]


0.52949715


14


[8.01416711e-11 2.05392196e-11 4.35558187e-11 2.10736517e-09
 2.21062368e-09 2.36678710e-12 1.01471149e-11 1.67688127e-10
 2.13701554e-08 4.54437421e-09 4.92429830e-09 1.17678189e-09
 3.72447895e-09 1.96430164e-10 2.66270831e-06 8.87169060e-10
 2.20721628e-08 9.99925256e-01 2.16595308e-05 2.20423681e-05
 1.42905654e-09 5.29176774e-08 1.30052200e-07 6.28775354e-07
 4.86416596e-08 3.28994687e-12 3.56515869e-07 1.98082887e-11
 1.64485769e-07 1.68087511e-09 1.17442903e-10 9.93646609e-10
 1.06915234e-10 3.55887264e-10 1.57187829e-09 7.63343699e-09
 5.33604064e-11 2.42997289e-11 6.62940449e-12 7.36344874e-11
 1.07253217e-11 2.17672269e-11 3.80690701e-10 2.56655305e-11
 7.11346184e-13 4.36582438e-13 4.36484633e-11 7.28266128e-11
 1.63703356e-10 2.27847203e-11 6.30957873e-12 3.09085049e-11
 1.33185379e-10 4.14675586e-12 4.78050133e-09 1.49208135e-09
 1.83546581e-06 3.75183468e-10 4.04235948e-07 1.22504487e-08
 1.79959661e-05 1.13220051e-06 1.11280553e-06 4.18488708e-06
 1.05143059e-07 1.69629824e-10 9.64077863e-12 6.98490257e-13
 2.70543258e-11 3.75804558e-13 8.18567170e-09 7.76975619e-12
 7.51867291e-10 1.22467991e-09 2.63384453e-11 6.43197084e-13
 2.18143884e-12 3.92717414e-10 3.71757625e-11 1.62760930e-10
 4.25752593e-11 2.41967535e-09 1.03542383e-11 2.88669219e-12
 5.31424993e-09 7.83577142e-13]


0.99992526


17


[4.3953469e-06 1.4255939e-05 4.8414009e-08 3.3246694e-04 2.1670230e-11
 9.0590628e-09 8.8125884e-10 5.6816170e-09 4.4823304e-05 2.1121893e-06
 3.7991407e-07 2.6334213e-10 1.3797586e-04 2.9796343e-09 4.7251660e-06
 1.9295891e-08 4.8083676e-10 7.7567153e-09 2.1716481e-08 6.0522041e-09
 1.6383565e-10 4.9511706e-10 9.4520938e-06 1.8897141e-06 1.2717563e-08
 4.3020685e-07 3.4377100e-03 1.8973552e-09 2.7577044e-05 1.9168722e-07
 2.6497853e-11 9.3098038e-08 2.1417184e-08 1.5534071e-07 1.3130871e-05
 4.7670261e-07 3.6296707e-10 7.7339871e-11 1.6297188e-08 3.6069447e-10
 1.0116940e-07 5.0836979e-10 5.8069083e-09 1.5419411e-06 2.4680995e-12
 9.7859802e-12 6.3626966e-09 2.6838022e-08 5.8256761e-10 1.2771982e-09
 3.7599350e-09 3.2427510e-09 6.9442160e-07 1.1382926e-06 3.2882432e-05
 3.0008525e-08 1.3568564e-04 6.5073067e-07 1.1145424e-01 7.8178151e-04
 7.6208256e-05 5.7076022e-02 2.6198504e-03 8.0066222e-01 2.2968633e-02
 4.8972126e-10 1.1378916e-09 2.7290529e-11 4.0486653e-10 2.6848681e-11
 8.9708088e-08 7.7293647e-09 1.6124019e-07 1.4136947e-07 2.0631305e-08
 1.0212238e-09 7.8962387e-10 7.7550482e-08 2.7517497e-10 1.3970022e-07
 3.9663930e-09 6.1774739e-07 3.9858530e-09 5.3284371e-08 1.5452548e-04
 1.4608244e-10]


0.8006622


63


[4.13278786e-11 2.47485588e-08 2.03457571e-13 3.85940035e-09
 9.07347548e-12 3.17034729e-13 5.62067645e-13 5.98944228e-11
 4.27442422e-11 6.82750467e-10 1.00311517e-07 4.05785905e-10
 7.37677530e-10 1.01099934e-12 9.99980092e-01 1.14730697e-12
 1.06387752e-13 1.60462055e-09 2.59976929e-07 1.42416738e-11
 7.88835279e-14 8.09985922e-13 3.71975922e-11 6.00680530e-12
 1.12491558e-10 4.90907626e-09 2.27569578e-11 8.85890279e-14
 1.02421162e-11 4.06327451e-13 3.12509133e-17 1.48518876e-14
 3.91927945e-13 2.12363696e-13 4.74184418e-15 3.20230994e-12
 1.93650434e-14 6.64688904e-15 1.01812784e-13 1.06275801e-13
 2.03439330e-13 3.24552227e-14 5.72117435e-15 7.00165620e-12
 4.41547936e-18 8.49906043e-17 1.68570277e-13 1.21010420e-13
 4.64626540e-14 1.97944620e-14 7.28720334e-14 5.35700439e-15
 4.54584558e-13 2.68814723e-12 6.57561250e-09 8.81023920e-10
 9.97265421e-13 9.22646054e-15 1.68672732e-11 9.48997689e-14
 4.21443479e-12 3.95724668e-11 4.60879668e-11 2.45061887e-11
 4.60277233e-10 2.06389875e-12 1.04045800e-14 3.00110062e-15
 3.11739838e-14 5.46865918e-14 3.83729271e-16 1.20098254e-13
 1.50760632e-12 6.25088631e-14 5.23127294e-15 1.35492407e-13
 4.92900754e-15 1.81740185e-14 3.61524170e-16 2.13021197e-14
 3.42001136e-15 3.38653340e-13 4.72469091e-15 1.84811557e-13
 1.95709563e-05 2.87668535e-17]


0.9999801


14


[3.91736123e-11 9.47335210e-10 8.38683289e-13 3.75524998e-08
 5.25367438e-09 1.64519071e-12 8.34146554e-12 5.66657055e-10
 7.03807498e-11 1.89635641e-09 5.20390472e-07 1.34113987e-09
 1.36954903e-09 7.07332110e-11 2.43793493e-05 5.85989660e-11
 1.27016042e-09 9.99968171e-01 2.07218727e-06 1.19887375e-06
 1.05823232e-10 6.51075149e-09 3.69610409e-09 3.08369188e-08
 2.74966396e-08 4.67092143e-10 9.87909488e-08 1.54195970e-12
 2.47479659e-09 1.30064223e-11 8.89635750e-13 4.72137900e-13
 8.08905512e-11 3.61195483e-11 1.02332032e-12 2.72793538e-10
 5.28892360e-13 1.43908594e-12 2.69410536e-12 7.79426957e-12
 1.35464762e-12 6.53935077e-13 2.77975277e-12 1.44244144e-12
 2.43996014e-15 1.36239126e-14 3.57595095e-12 7.89291722e-12
 9.47773544e-12 2.85136086e-12 1.91906847e-13 3.85320682e-12
 1.42538689e-11 5.93285674e-13 1.86348839e-08 9.70076464e-10
 7.28696836e-09 7.45164347e-12 1.12638851e-07 2.89682124e-12
 2.01648387e-08 1.34062761e-10 4.44081934e-07 3.27045711e-07
 1.61551039e-08 1.65767933e-09 5.71856191e-12 2.14107059e-14
 3.86518335e-12 2.20838769e-13 1.95484189e-12 5.77052729e-13
 8.36840111e-11 1.49108059e-10 6.31192798e-13 3.99214997e-14
 1.39299867e-13 4.53233978e-12 2.43045032e-13 1.16010901e-12
 1.87150967e-12 1.64469584e-11 1.22561547e-13 1.24778855e-12
 2.53928692e-06 2.46056685e-14]


0.9999682


17


[4.13217016e-09 1.87248489e-07 4.91991159e-13 1.37330689e-08
 3.28858447e-12 6.48327572e-11 7.24784469e-12 8.84005803e-12
 5.58355717e-09 1.39639869e-10 1.74861992e-09 3.87776450e-10
 3.66735594e-06 2.64315861e-11 4.24011773e-07 4.24808886e-12
 6.90498494e-13 4.13522105e-09 1.50707613e-10 5.40507951e-11
 4.13337550e-13 3.21151444e-13 2.71102620e-11 8.83775775e-10
 8.21464285e-11 1.54595421e-06 2.53440277e-07 1.01294700e-12
 1.86269267e-09 2.63673220e-12 6.51256718e-13 1.15597983e-11
 3.06012660e-09 5.72456796e-12 7.69060857e-12 4.50016240e-11
 1.54414598e-14 2.27889105e-13 1.83288844e-12 1.32297038e-12
 1.19586318e-12 2.90857019e-13 2.05422078e-13 9.96869115e-11
 3.62518355e-17 2.91123259e-14 1.64270518e-12 4.81792210e-12
 7.86656778e-14 1.29030152e-12 2.31355213e-12 4.30695898e-13
 9.23228508e-12 2.29447225e-11 1.30150065e-05 3.06034242e-09
 2.23389263e-09 6.45393960e-10 9.27572543e-08 1.80037166e-11
 8.00544464e-10 4.73772521e-10 2.43051460e-07 2.71828959e-08
 2.86958169e-07 6.77539136e-11 7.82439485e-15 5.45976940e-14
 1.07148990e-13 1.79033372e-12 1.27868009e-14 1.31004166e-11
 4.21625408e-11 5.82951959e-12 1.58138097e-12 8.42547400e-14
 5.01050265e-13 4.40357603e-12 3.24423381e-15 3.62100497e-12
 6.04150112e-14 3.96523370e-11 1.10319828e-13 1.28564208e-11
 9.99980211e-01 1.78180750e-15]


0.9999802


84


[8.12423707e-07 1.09106713e-06 1.90274019e-10 9.99879003e-01
 1.47662479e-10 8.24516633e-09 3.50389606e-10 7.82674967e-12
 1.40610101e-09 3.23679208e-11 1.69555425e-09 3.26058429e-12
 4.30570459e-08 1.25297522e-10 4.32217945e-07 2.60264054e-12
 4.48103887e-10 4.27080993e-09 3.36444900e-10 4.24319330e-10
 2.09388867e-10 1.88488197e-10 1.40867327e-08 8.90032992e-10
 2.67041367e-09 4.03792092e-06 2.84790349e-06 2.54859661e-10
 1.71720167e-08 1.59489453e-11 2.73702350e-12 1.43623627e-10
 4.25099849e-08 2.24516313e-07 9.10097864e-09 1.19822623e-08
 3.32828188e-12 5.61246570e-11 2.98548493e-08 3.58803404e-11
 3.61999675e-08 8.19759746e-11 4.92780504e-11 2.12778900e-07
 1.41630482e-13 2.53477898e-11 1.33871192e-10 4.48859394e-09
 8.23754519e-12 4.02752831e-12 8.88251833e-11 1.74305299e-08
 1.95719596e-09 2.02398624e-07 1.80792745e-06 7.08905504e-12
 4.41952530e-10 6.50661079e-12 1.93625098e-07 5.60094326e-09
 1.21218635e-08 2.61797553e-08 1.96605981e-07 4.00164026e-06
 1.02891347e-04 7.82803752e-11 5.62406288e-10 1.93241916e-11
 1.32603008e-11 2.99242436e-11 3.70194431e-11 8.61381019e-12
 8.75465866e-10 1.93437932e-09 5.66294289e-10 2.78243567e-10
 9.10242281e-12 6.96182903e-11 5.41179462e-11 1.07964132e-11
 9.46827686e-11 4.34771143e-11 1.97775588e-10 1.46511400e-10
 1.81204246e-06 2.68331527e-13]


0.999879


3


[5.6016512e-07 2.5635334e-06 2.4356095e-10 2.1699750e-06 4.7896254e-08
 2.0311567e-11 2.4926455e-10 3.7979913e-09 9.1944668e-07 1.6455774e-11
 2.2659666e-11 2.2535245e-10 4.8761017e-06 2.7650285e-10 7.6321038e-09
 8.7843643e-09 1.3551956e-06 1.7370739e-07 2.4074620e-07 2.0380141e-07
 6.7335392e-08 7.7757640e-09 4.9075375e-09 3.1774866e-07 1.9836767e-08
 2.1523645e-09 2.5176917e-07 4.3860208e-08 4.0241908e-02 4.5591269e-06
 6.3237175e-04 5.2595651e-03 4.6745494e-02 4.8441696e-03 9.0218878e-01
 1.6429325e-05 9.4381029e-08 3.4948901e-06 2.4716092e-06 2.7711874e-06
 3.2882272e-05 5.8171867e-08 2.0658709e-08 1.1033551e-06 5.4920841e-09
 7.5200631e-08 1.5059280e-07 3.9934221e-06 1.3463996e-08 6.4355542e-11
 1.6090223e-07 3.3577783e-11 5.8707453e-08 6.8122424e-10 1.1050589e-06
 3.3431501e-11 5.5050888e-09 1.4311117e-09 3.9202010e-07 8.3520912e-10
 7.2447584e-08 3.3905277e-08 1.2156140e-07 4.3792869e-10 5.4760648e-07
 5.3213745e-09 2.7572850e-11 1.2265619e-10 4.9495807e-11 3.3588304e-10
 4.7559277e-07 1.1826529e-10 2.9268454e-08 1.0455685e-06 5.8698429e-10
 6.6107633e-11 3.3482284e-08 1.3714875e-07 5.2226790e-10 6.6668555e-08
 7.7557344e-10 4.7941016e-09 4.5324343e-12 2.9156115e-09 1.4740098e-06
 7.9580426e-11]


0.9021888


34


[5.36753646e-08 1.12200510e-07 5.77562165e-11 9.99573767e-01
 3.35397817e-05 3.74009122e-11 7.08098025e-10 2.34305522e-13
 3.31739280e-12 6.93428995e-11 3.11839288e-09 6.27578805e-12
 6.69022671e-10 4.87034718e-11 3.61800834e-04 6.65754387e-12
 3.59931564e-11 2.28043279e-10 2.06497024e-11 1.92008454e-08
 2.60040589e-09 5.88673110e-10 2.92655259e-05 2.50174526e-09
 5.81550346e-08 6.47265075e-10 2.77683787e-09 1.01488895e-11
 8.85880036e-10 1.15535240e-13 3.40962406e-14 3.66668779e-11
 1.57134292e-10 1.76848508e-10 5.38259159e-10 7.25714999e-09
 3.88427355e-12 4.51835590e-13 4.13099670e-08 3.66330095e-13
 2.80159718e-09 9.51014874e-13 1.69890025e-14 3.09583137e-09
 4.43959571e-15 1.61660710e-13 2.03524107e-11 1.75320716e-10
 7.25281760e-13 3.71876703e-14 4.26835173e-12 1.94695682e-09
 8.32148572e-10 7.14065265e-11 7.40541736e-07 1.77358063e-12
 8.36264975e-17 4.83941814e-15 8.96802206e-08 7.36232464e-10
 3.63431313e-10 6.45084341e-08 1.72273723e-10 4.32404390e-10
 5.27154604e-08 4.73465954e-11 1.66457001e-10 2.45083832e-11
 1.55277397e-12 1.73369735e-10 3.28333954e-07 1.01711946e-11
 1.95450791e-11 4.71470085e-10 3.78089005e-10 2.59896188e-10
 9.97507372e-12 1.61696021e-11 3.17972648e-10 1.85948370e-12
 1.27012496e-12 1.06205383e-11 4.01882833e-11 3.60292986e-14
 5.48061010e-08 7.28825908e-14]


0.99957377


3


[2.7079695e-06 4.4052422e-06 1.9700765e-08 8.4242632e-04 1.8712083e-10
 4.9003881e-11 1.2687223e-09 2.1843427e-07 6.0241331e-07 7.6380324e-09
 1.5983467e-08 2.7655536e-12 1.8978567e-07 3.2943306e-10 4.1739827e-06
 1.8350956e-11 6.5125287e-09 6.2680954e-08 7.5410176e-09 5.3090105e-08
 1.2174799e-09 1.6610596e-09 1.5069428e-05 9.1257277e-07 3.8153712e-07
 1.1302226e-07 3.5523342e-05 1.6382662e-10 1.9621677e-08 1.1753476e-07
 1.0347833e-11 5.0628600e-08 1.2655159e-08 4.2999865e-10 1.0729274e-05
 4.7888284e-06 1.4283189e-10 6.9133077e-10 4.1393246e-08 3.0840774e-10
 3.4572622e-08 2.2049287e-09 2.4748667e-10 1.5611670e-07 9.7595317e-12
 8.3792952e-11 1.9935747e-10 4.1104744e-08 3.7578904e-10 1.3452069e-11
 5.0965038e-10 4.2212291e-09 2.8041252e-09 4.4293682e-08 4.5858738e-07
 5.8900183e-11 1.1334874e-06 4.7996590e-08 3.4890939e-02 8.4193610e-02
 3.3597319e-06 2.8656688e-04 3.7894005e-04 1.7106044e-04 8.7914592e-01
 3.9781120e-10 6.6175212e-09 7.4844665e-11 8.2909551e-10 1.1448077e-09
 4.2657798e-06 3.1262015e-08 1.4896298e-08 2.4347290e-07 5.5398819e-09
 2.9774700e-09 1.1379247e-08 1.0533642e-08 6.7657063e-10 2.6819807e-08
 4.6592148e-09 1.1353183e-07 4.6536903e-09 6.0574568e-10 1.2213536e-07
 3.9013227e-11]


0.8791459


64


[4.8993538e-08 6.5411746e-07 4.2897906e-07 8.9438863e-06 1.5661785e-08
 3.8044128e-09 6.2073119e-10 1.0834505e-05 7.3352409e-09 5.6378497e-09
 1.9981931e-06 5.8611810e-10 6.1778493e-08 2.7357729e-08 3.1223510e-05
 6.0402758e-09 1.6440481e-06 6.0499626e-01 2.9292989e-03 8.8680317e-06
 3.2704486e-07 4.3726914e-06 2.3967821e-06 5.0794370e-07 5.0528641e-05
 6.5019641e-08 2.5151921e-05 2.1361592e-09 1.6222381e-07 1.0774535e-07
 4.1264547e-09 1.4010522e-10 9.4788284e-09 9.9152949e-08 1.9995118e-08
 2.3122614e-06 3.8955253e-08 2.0487180e-08 4.0482416e-08 5.8180794e-09
 7.2338047e-08 2.7900280e-09 2.4651197e-08 3.1919325e-07 8.4927443e-10
 1.7899007e-09 4.2778248e-09 5.6846726e-08 3.6857692e-08 3.3560366e-10
 1.1710685e-08 8.4497088e-08 1.8204038e-07 1.5463266e-08 3.1038726e-07
 5.9008478e-09 2.6389235e-04 7.8284241e-09 2.1446863e-01 2.4092905e-04
 6.4880028e-06 1.2640144e-04 9.2280374e-05 1.7660475e-01 1.1574485e-04
 2.9524056e-08 1.2006750e-06 2.9550504e-10 1.2292607e-08 1.2150976e-07
 1.4033705e-07 6.4749566e-09 6.7306689e-07 6.7422519e-07 4.6315050e-09
 1.1476326e-07 1.0669374e-08 8.4084140e-10 4.2544386e-09 6.4331552e-08
 5.9631899e-09 7.1069998e-08 2.6240450e-09 4.8586131e-08 1.2002096e-07
 1.4786783e-09]


0.60499626


17


[6.42687082e-05 1.12882935e-01 2.45037631e-06 1.83208191e-04
 2.13109219e-09 6.50171472e-08 4.36245841e-07 8.19449953e-04
 8.00251746e-06 8.43502193e-08 7.93558108e-09 1.93123768e-07
 3.04751913e-04 1.55394929e-07 1.13168237e-04 1.13242402e-06
 1.18712151e-07 4.39242989e-08 5.63933504e-08 6.55204602e-08
 2.19894375e-07 1.78001081e-08 4.61008540e-06 6.75352885e-06
 1.57227350e-06 2.02743293e-04 1.63119927e-04 5.17791932e-07
 2.90277356e-04 7.20996642e-04 2.12986906e-05 3.90117420e-05
 5.38260327e-04 1.73905319e-05 2.18400732e-03 1.19828792e-05
 2.05623081e-07 7.33249010e-07 3.79106041e-06 1.03924503e-06
 7.33959541e-06 8.32104320e-07 1.85652340e-07 2.83409663e-05
 2.47734118e-08 9.95854862e-07 3.17042492e-07 1.75038422e-05
 4.01970510e-07 2.07534363e-08 8.48573200e-06 1.18717594e-07
 2.24035284e-06 3.34164033e-05 1.59081843e-04 9.41220861e-08
 1.42889941e-04 4.78018956e-06 4.23336059e-01 3.64681721e-01
 1.34795137e-05 8.69971758e-04 1.95272861e-03 6.08491562e-02
 2.79213879e-02 2.45272474e-07 2.29431151e-07 2.16795527e-07
 6.13061616e-07 1.33257549e-06 6.23856340e-06 4.90031562e-06
 7.08951302e-06 4.22051729e-04 9.21703531e-08 2.60765228e-05
 2.60389479e-05 8.42126553e-07 7.15578485e-09 3.75346368e-04
 9.90311975e-08 4.16655530e-05 1.95778540e-07 3.13815865e-04
 1.52226508e-04 1.26469892e-08]


0.42333606


59


[2.67009925e-09 9.99999642e-01 4.89190286e-11 5.28188293e-09
 5.42693639e-16 1.52223781e-14 2.58646322e-13 3.37124391e-08
 6.88819932e-14 1.04287174e-12 2.21523253e-13 3.69498515e-10
 2.03159889e-09 1.04530256e-13 1.88822298e-07 6.69654057e-13
 8.99202130e-16 4.73281787e-12 1.00536468e-10 4.93326422e-14
 1.06220278e-14 5.19209004e-15 2.97822335e-12 8.06677641e-13
 3.50563220e-12 6.94851034e-12 1.17129602e-12 2.60134372e-14
 6.34865511e-12 8.80460548e-12 9.37012173e-14 4.59222258e-15
 1.10689244e-11 6.50171648e-15 8.60747498e-12 4.77111840e-13
 2.00652076e-13 1.00998311e-14 3.06111270e-14 1.22830916e-15
 4.72435337e-14 2.63925658e-14 1.67283893e-15 8.14540449e-11
 7.13561135e-17 1.59664000e-14 7.32235588e-15 3.83091953e-15
 3.04807199e-15 3.84583848e-16 8.43786033e-14 9.00465818e-15
 8.63878129e-14 2.96137138e-12 8.21027552e-11 5.32187413e-14
 3.11124146e-13 8.35649248e-15 1.11410472e-07 9.28586630e-09
 1.72132562e-14 3.96651358e-11 5.40605026e-11 2.85943109e-11
 8.91254362e-11 1.45240059e-12 3.58630565e-14 1.90860748e-14
 2.90463183e-15 7.08327364e-12 6.01545688e-11 1.47126977e-10
 8.79529002e-12 2.86282413e-12 5.48500674e-15 1.65015640e-10
 2.91448844e-11 1.90489890e-13 4.50305479e-16 2.57592489e-11
 2.83227446e-15 4.20990543e-12 1.77754166e-11 9.87475032e-12
 2.89964941e-08 2.49267238e-17]


0.99999964


1


[1.2038772e-07 2.8738775e-06 7.1673854e-09 1.9038981e-01 2.2792526e-10
 1.1100423e-09 6.9335249e-09 3.1553494e-08 5.3710564e-06 2.0580085e-08
 2.7535716e-09 1.4920436e-11 3.8476592e-05 5.7209876e-10 1.8980954e-06
 3.4605541e-11 1.0239349e-08 6.5286927e-09 2.6357194e-08 2.5539109e-08
 3.9268019e-10 1.9979551e-10 5.9350992e-08 3.1934437e-09 4.2359321e-08
 1.2840628e-07 6.3369756e-05 1.2601595e-10 4.4213471e-06 8.8196939e-05
 7.4047507e-10 6.7819620e-08 5.7113311e-07 3.3792737e-08 3.4074787e-05
 2.1353675e-07 5.7879168e-10 4.0948041e-09 6.6278666e-08 4.6091989e-10
 8.1054509e-08 9.4173975e-09 7.5231057e-11 2.5790317e-07 8.6729209e-12
 3.4111963e-10 6.3850231e-10 1.5672367e-08 3.3592988e-09 3.1871849e-11
 6.7254091e-09 5.3209264e-09 3.9276804e-09 1.3823235e-06 1.2191588e-06
 2.0913007e-10 4.3797254e-06 3.0163376e-09 8.6417759e-04 2.8887256e-03
 4.4509234e-06 1.0769526e-03 6.5394863e-04 3.2134590e-04 8.0355185e-01
 1.5969258e-08 2.3326653e-08 8.1243845e-11 2.4355773e-09 2.2923147e-10
 1.2454099e-09 1.0552121e-07 3.3743401e-08 1.4896185e-07 7.5307076e-09
 2.4139493e-07 4.0547803e-08 4.5855280e-08 2.2688915e-09 2.5579959e-08
 9.1894187e-10 1.8069734e-07 2.6545062e-09 5.2330734e-08 2.8405975e-07
 6.2653688e-11]


0.80355185


3


[4.21853219e-05 2.30209524e-04 1.27342719e-06 5.45657349e-05
 5.97688299e-08 1.43596690e-10 1.43920309e-09 2.08017736e-05
 9.45223974e-07 2.47968646e-09 3.53566620e-11 1.64672487e-09
 1.54570316e-05 5.52196688e-09 2.66665161e-08 5.22983896e-07
 1.33193053e-05 1.85226008e-06 3.77084035e-07 6.61241586e-07
 1.66883794e-07 3.87504251e-09 2.48143397e-06 5.46009176e-07
 2.33428121e-08 1.31731905e-08 4.74174522e-06 3.61050098e-07
 3.95556092e-01 4.12782701e-03 5.87885594e-03 5.24191380e-01
 5.83037585e-02 7.09422957e-03 4.02376987e-03 1.50302540e-05
 5.98283918e-07 7.63471035e-05 1.04584215e-05 3.55070551e-06
 4.63062424e-05 2.19552658e-06 5.96665473e-08 2.73489150e-05
 6.97339715e-08 1.60208001e-05 3.81842938e-06 6.98206850e-06
 1.72221587e-06 1.79286730e-09 2.53424719e-06 3.07505993e-10
 2.41272414e-06 4.52564677e-07 1.21803808e-07 5.86611593e-10
 5.22243738e-07 1.90612832e-06 1.13673130e-04 1.41905957e-05
 6.46542375e-08 8.98307064e-07 3.05751655e-07 2.22011806e-07
 4.47559250e-05 1.48571266e-09 3.60590171e-08 7.41747774e-09
 8.72716477e-09 6.10882509e-08 5.72571662e-06 7.71519293e-09
 1.20924284e-07 8.44512215e-06 1.14744001e-08 4.24270112e-08
 1.83951511e-06 2.88381813e-07 2.90456381e-10 2.13141484e-05
 3.54214347e-09 3.72851368e-08 4.55080938e-11 1.63805646e-06
 1.10433598e-06 1.88174923e-07]


0.5241914


28


[6.9495871e-09 3.1778246e-08 1.6036536e-08 4.7422480e-04 3.3688866e-07
 7.0903635e-12 1.8272569e-12 1.2086106e-10 9.3922862e-13 5.3809440e-11
 5.0365623e-09 4.6536516e-10 4.6986366e-11 6.8010315e-12 3.5732109e-04
 3.4850269e-09 1.8703766e-10 3.0763707e-07 3.3523250e-08 6.7418987e-10
 2.4279504e-11 6.1570464e-11 9.9894065e-01 3.3621015e-09 2.6483828e-09
 3.0657971e-13 7.0090024e-08 1.3771670e-12 7.4429816e-11 3.8359912e-11
 4.1023426e-12 7.9710050e-10 6.3354877e-12 7.7419010e-10 8.3761782e-11
 5.6773160e-09 3.7637458e-12 1.0441668e-11 7.8784407e-10 3.2180609e-13
 4.0324553e-11 1.5035420e-12 4.4703990e-14 3.1590627e-10 6.0133424e-14
 7.9939375e-13 9.3526638e-11 2.3128779e-10 3.4099404e-11 6.2575155e-14
 1.5645946e-11 9.4625089e-12 3.4885433e-10 9.6200313e-12 6.7650074e-10
 5.9761842e-13 5.0701999e-13 1.3914778e-12 1.5295471e-05 2.2430806e-08
 7.6297101e-11 2.8842683e-06 1.9295059e-10 1.2866245e-08 6.0910594e-08
 1.8314649e-12 1.1533941e-10 2.2080645e-12 2.4111787e-12 1.1557019e-10
 2.0870598e-04 1.2963056e-11 9.9339884e-11 2.5309141e-10 1.5768577e-10
 9.6067373e-12 3.1754551e-12 3.4901370e-12 7.8365786e-11 3.5655343e-10
 1.7041988e-11 5.3709572e-11 1.2580410e-11 2.7668549e-13 1.0848107e-09
 3.7283115e-10]


0.99894065


22


[1.41235614e-06 2.03830723e-06 1.75983637e-11 8.26659739e-01
 2.22244603e-06 6.43477382e-10 1.11777601e-10 5.70264447e-10
 1.88183757e-11 9.07198139e-09 1.75580311e-07 5.33985226e-12
 5.20223725e-11 9.11102305e-11 1.73320740e-01 5.16561412e-11
 2.09541051e-10 4.48975745e-09 2.37078854e-08 1.09369722e-08
 7.68583142e-10 5.94352456e-10 1.88371712e-06 2.14843965e-09
 1.32344510e-07 7.97762834e-09 8.34517209e-07 5.52484751e-12
 6.45051512e-10 4.55591554e-12 2.57035983e-13 3.36453478e-12
 4.10764894e-10 5.76742022e-11 2.84572886e-11 2.71768357e-07
 4.65783965e-12 1.25151419e-12 2.21076135e-07 2.21367781e-12
 3.59675706e-10 5.06833811e-12 5.65836305e-14 3.44166935e-08
 9.92974691e-15 8.26037242e-12 1.84746125e-11 6.88338483e-11
 2.35417554e-11 1.66420859e-13 6.06061371e-13 2.60843180e-10
 8.42420189e-10 2.20476171e-08 9.72920134e-06 2.28001368e-11
 6.89469445e-12 5.58233777e-14 1.16499486e-07 1.04206164e-08
 1.90265359e-09 2.01769215e-08 1.45457235e-09 5.64802605e-09
 1.76223310e-07 2.56416815e-11 3.75641948e-11 3.01958155e-12
 7.55262589e-11 5.23704994e-12 1.46567880e-09 1.03241955e-11
 2.79586597e-11 2.28139382e-10 8.59427085e-10 3.69751368e-10
 8.41032660e-11 1.13834411e-11 1.21417407e-11 9.36108482e-12
 6.51908085e-12 8.27666755e-11 5.94020111e-11 5.26974471e-12
 7.30250136e-08 3.42139728e-13]


0.82665974


3


[1.39321101e-05 8.19728666e-05 2.17947019e-07 9.72669164e-04
 6.34411357e-10 1.93882208e-08 6.89161084e-09 1.92869243e-06
 3.93622122e-06 7.74692879e-08 1.26511939e-08 9.10848064e-11
 5.86390911e-07 1.33256224e-08 9.14140674e-06 4.76397410e-09
 6.41755227e-09 1.17053361e-07 6.19512548e-08 1.78770474e-08
 3.51752139e-09 8.29913027e-10 1.22914453e-05 5.04818331e-07
 8.10633267e-08 6.92676139e-08 4.96656494e-03 2.41246934e-09
 1.50004371e-05 7.01769477e-06 1.81338926e-08 8.15805777e-07
 8.66175071e-07 1.81484427e-06 1.27060348e-05 1.28158545e-05
 1.19915045e-09 3.01916536e-08 1.76053470e-06 3.64199586e-08
 6.00979178e-08 3.45229232e-08 9.82888348e-09 1.79565200e-06
 6.11905637e-10 8.00788413e-09 2.96214182e-08 7.56578629e-07
 8.75773338e-08 1.63271341e-09 1.05036628e-08 9.54902113e-09
 1.75368001e-07 2.79650230e-05 1.66564332e-05 4.20841495e-08
 5.58778818e-04 2.31422000e-05 3.00896149e-02 2.72016618e-02
 5.55974839e-05 2.02274788e-03 1.38128055e-02 4.46975492e-02
 8.75363886e-01 3.28606586e-09 2.84132220e-08 3.70241060e-09
 5.78886095e-08 1.15678338e-08 1.21319488e-06 2.83934611e-07
 3.23128745e-07 3.04138848e-06 9.83063302e-08 6.28543901e-08
 1.80710600e-07 1.47594989e-07 9.00041097e-10 9.67036726e-07
 5.02073725e-08 8.52232517e-07 1.69829182e-08 4.74307114e-07
 1.02448485e-06 5.84992279e-07]


0.8753639


64


[8.80046542e-08 2.15108685e-06 2.37249131e-09 1.19961505e-05
 9.11271325e-09 5.45280798e-08 2.08137307e-09 7.71122757e-07
 1.70325933e-07 3.21174465e-09 1.93660583e-07 4.01105638e-09
 6.76034304e-08 1.84348536e-08 9.45825741e-06 3.34045658e-09
 5.14526155e-09 1.09791302e-03 1.08820177e-03 3.49379491e-07
 3.25690097e-09 9.59208819e-08 2.58535131e-08 5.40561835e-08
 2.06608789e-07 2.10593694e-08 1.28564658e-04 3.09259951e-10
 4.54893689e-06 7.05084813e-06 7.02972125e-09 1.68519043e-09
 1.83341822e-08 1.86401564e-06 1.75455828e-09 5.30521390e-07
 9.16930620e-09 1.00003232e-08 1.67641048e-08 7.61270780e-09
 2.19501715e-08 4.16287310e-10 2.36030018e-09 3.11958985e-07
 1.55163757e-10 4.91929786e-09 9.00342023e-09 7.54026530e-09
 1.59628328e-08 5.96740934e-10 8.62711769e-09 6.06636741e-10
 1.02437888e-07 8.51245971e-08 1.10034257e-07 7.54367875e-08
 2.38216715e-04 4.53825528e-08 1.43516203e-02 9.26801386e-06
 1.69147257e-04 3.82671851e-06 1.57455017e-03 9.81283367e-01
 8.12767485e-06 2.96655078e-09 8.92807577e-07 2.18996765e-10
 6.60705046e-09 5.91181060e-09 6.72742029e-10 1.04668452e-08
 1.61538395e-07 1.06703442e-06 1.82410851e-08 2.97378069e-08
 2.38295073e-08 2.88664848e-09 2.32489961e-09 2.04371897e-08
 6.07149842e-09 1.22365842e-08 1.62950597e-09 4.45318847e-07
 3.89966408e-06 1.10159144e-08]


0.98128337


63


[1.40567726e-08 1.80699814e-07 1.49588517e-15 4.08989784e-08
 2.12656759e-12 6.50961438e-11 5.02929729e-12 1.69251049e-08
 8.26236146e-07 9.51392784e-11 1.78123488e-12 1.53434010e-09
 2.22874714e-08 8.43546327e-12 8.84928184e-08 3.67274657e-12
 5.80457384e-12 4.43867876e-08 1.66521268e-08 2.17208803e-11
 7.84847773e-13 7.26485018e-12 3.48191918e-12 4.63195385e-11
 7.52742799e-11 6.44438458e-08 2.01142689e-06 1.39559241e-12
 3.68590554e-06 2.57865509e-06 1.20869592e-10 2.68805499e-11
 8.19081890e-07 2.87156583e-12 1.64322067e-09 1.58477551e-10
 9.96736222e-13 1.72890469e-11 1.43523535e-11 1.53192112e-10
 6.21739335e-12 1.35496102e-11 7.56226418e-12 3.42658096e-10
 5.44592583e-13 2.50778044e-11 1.85199096e-11 2.46005438e-11
 1.10445941e-12 1.71225219e-12 1.35324932e-10 4.00711738e-14
 5.67566133e-12 1.75450366e-11 2.40645583e-08 3.24280436e-10
 4.95643826e-06 1.60731403e-07 3.75118191e-07 7.19531768e-09
 1.06853986e-06 1.06215028e-08 9.99928117e-01 4.80655899e-07
 5.28593991e-05 1.25533792e-10 1.27601166e-10 3.76098919e-13
 1.08522191e-10 9.17990076e-12 4.41172367e-14 3.50492568e-09
 1.18948329e-09 3.43521704e-11 7.08674369e-11 2.15628123e-12
 1.45036949e-09 5.38359579e-10 2.31826711e-13 7.94548594e-11
 1.25266568e-11 9.01711206e-11 4.07582561e-12 2.63406093e-07
 1.19402216e-06 9.35705709e-14]


0.9999281


62


[7.60472574e-09 2.02477807e-07 3.54312201e-13 8.69108341e-09
 1.09457300e-12 1.18194218e-10 1.59105194e-12 9.66082574e-13
 1.41319596e-08 6.25738870e-12 6.89260704e-10 1.59000848e-08
 5.25338692e-07 7.53652956e-12 3.97139132e-07 1.43137943e-12
 3.61929399e-13 1.83292583e-11 2.45207687e-10 3.42065508e-11
 1.67946278e-13 7.79687594e-14 4.28837660e-11 3.91167029e-11
 1.17912418e-12 2.00070122e-06 1.82263022e-08 4.64577649e-13
 3.40758061e-10 3.45366999e-11 1.21279275e-13 1.14445502e-10
 1.20911295e-10 3.17027193e-13 1.07897079e-12 2.91020571e-12
 4.16558585e-12 1.05962450e-12 1.77011305e-11 2.21718780e-12
 5.18402639e-12 1.91768842e-13 1.07833401e-14 3.26401163e-11
 3.34127340e-16 2.30826399e-13 9.73693023e-13 4.01564903e-13
 5.89476046e-14 1.12428565e-11 3.09508647e-12 1.80672297e-15
 7.61200044e-12 3.14992719e-11 4.06227571e-07 5.98946281e-10
 1.84684351e-11 7.09904835e-12 3.36747505e-11 2.28979867e-13
 2.02766068e-11 1.09693782e-10 3.24860278e-11 2.11501094e-11
 1.83326496e-11 2.31022081e-12 1.39217739e-13 1.58371732e-14
 6.77831164e-13 2.06802945e-13 1.60192413e-14 1.10270395e-11
 1.32051856e-12 3.43842251e-14 8.30166719e-13 2.30936499e-13
 6.40776711e-13 3.43103150e-11 2.46580778e-15 1.28627057e-12
 7.39069586e-14 9.81415470e-14 5.54535367e-13 2.62839988e-12
 9.99996424e-01 6.92796136e-16]


0.9999964


84


[1.7196606e-07 8.8191877e-07 3.0394465e-11 9.9999821e-01 9.0546452e-11
 1.9793549e-09 1.2915511e-12 9.7097877e-15 1.4959504e-11 1.3261900e-12
 3.2122398e-13 3.9288635e-13 2.6688363e-10 7.6728858e-12 2.6601930e-09
 1.8812819e-13 1.6440177e-11 2.3014288e-12 5.1754508e-12 9.2577378e-12
 1.0253522e-11 3.0814455e-11 7.7409421e-09 2.3282112e-12 2.2455278e-12
 4.7739248e-09 1.7288248e-07 7.7765463e-13 1.2409833e-08 3.9226081e-11
 1.9083362e-13 9.7424246e-10 1.4939694e-10 5.4683724e-10 4.3345855e-10
 8.1388274e-10 1.6156148e-11 1.1051542e-12 4.6231147e-08 1.5953713e-14
 2.0830648e-09 4.8321447e-12 3.7848407e-14 1.3619044e-07 1.2836949e-15
 6.2125539e-12 1.3476502e-12 1.4763324e-11 1.8220625e-13 1.2744744e-13
 1.4449271e-12 1.0647917e-10 2.6668962e-11 1.3265476e-07 1.2345830e-08
 2.4462510e-14 5.4995971e-13 2.9601220e-14 2.5495228e-10 5.9085662e-12
 3.2173955e-10 1.4522998e-07 4.2430193e-10 5.4861116e-10 1.6068487e-09
 3.4489630e-11 4.4233076e-10 2.1347653e-14 4.0112775e-13 9.5335133e-13
 4.0546115e-11 2.7141117e-15 1.6223526e-11 5.9716354e-13 3.5193629e-11
 5.3898684e-11 1.8975503e-12 2.7018604e-11 4.1338621e-12 3.5937504e-14
 4.1454351e-13 1.2157953e-15 2.1630628e-10 1.0402070e-14 1.0154245e-07
 1.3752310e-13]


0.9999982


3


[5.26666655e-10 2.21065902e-10 6.69427881e-12 3.41537742e-07
 4.78985809e-11 1.80813434e-15 5.95172715e-14 9.01050393e-13
 1.57492042e-09 7.37611855e-16 4.69344728e-17 1.68460753e-12
 2.60262784e-10 8.61085969e-14 2.24255614e-11 2.37833989e-11
 3.80570908e-09 5.34106037e-10 9.15981790e-10 9.02081396e-11
 1.90668800e-11 3.75250135e-12 2.54089215e-11 8.77447975e-11
 6.42228241e-13 6.11582020e-13 4.69633832e-10 1.35049784e-11
 8.25350071e-06 2.00464841e-04 4.35910730e-09 9.99487996e-01
 6.62728041e-07 9.14025441e-06 2.92804500e-04 1.40836960e-08
 8.09993239e-10 7.49419229e-08 1.83597404e-08 1.10314193e-08
 8.27881337e-08 1.74597819e-11 2.93529795e-13 1.35066225e-08
 4.44398294e-12 4.75772866e-10 1.04690784e-10 2.34818405e-08
 5.15365806e-11 1.37047180e-13 2.82360663e-10 4.63594346e-14
 1.09650351e-10 6.04750017e-12 4.39271189e-12 1.46283151e-15
 1.08548457e-11 1.82629931e-12 2.37581465e-11 5.68765243e-11
 1.61813271e-11 6.87652957e-09 6.29483445e-13 2.23297726e-12
 1.70841726e-11 3.01639139e-13 2.15353126e-13 2.83284155e-14
 5.38234482e-14 1.25006803e-13 6.95370775e-11 7.58577032e-16
 6.53202622e-12 1.02994599e-10 8.54840179e-13 1.37522711e-13
 2.23427769e-11 4.13647255e-10 3.42253861e-14 7.87681378e-12
 1.17636139e-13 3.03937648e-13 6.98112146e-15 4.57809398e-12
 6.19462467e-11 7.03954744e-13]


0.999488


31


[1.05624270e-06 1.73165745e-06 1.82212712e-09 9.99842882e-01
 7.31193595e-09 1.30057542e-12 2.68355260e-12 7.84087761e-14
 1.61279762e-13 1.76581198e-11 1.49660062e-10 6.07108183e-11
 1.63764124e-11 3.14073160e-12 1.12296184e-04 1.72382331e-09
 5.58385846e-12 1.17265586e-10 1.47481777e-10 2.38300046e-10
 6.33606292e-11 1.75447452e-11 3.42609819e-05 1.77784024e-10
 7.21206359e-11 1.10940673e-12 7.98735175e-11 3.51372902e-13
 3.50351081e-09 1.72937803e-10 1.47868219e-14 1.81145066e-09
 3.67903754e-12 3.53766100e-10 3.37339406e-10 2.22477925e-10
 1.12086035e-12 1.61116746e-14 7.83178730e-11 5.51175045e-14
 6.03048904e-12 9.04587603e-13 9.05919207e-16 7.49187157e-10
 2.48064478e-16 7.36794066e-15 1.50877737e-12 2.80239915e-13
 6.92432900e-14 6.44191977e-15 6.61459277e-14 1.06240602e-12
 9.04952710e-11 1.12709408e-09 1.17344179e-09 1.21287027e-13
 2.81082208e-15 5.56715105e-16 4.89511431e-10 1.09164781e-10
 1.66755899e-12 1.86023669e-06 9.76961220e-12 5.57962676e-10
 9.39310851e-11 4.09558889e-13 4.53549871e-12 2.15364686e-13
 1.18634364e-13 8.80495590e-12 5.99480154e-06 3.34334069e-13
 7.14292601e-12 9.41804013e-12 7.59188198e-12 2.60231725e-09
 2.27154927e-12 4.31020115e-11 1.23464303e-12 2.88944921e-13
 2.57738489e-14 1.63556766e-12 9.25891863e-11 4.69381343e-14
 1.03414544e-09 1.55053997e-12]


0.9998429


3


[1.75309060e-06 2.09256890e-03 4.06091999e-07 2.79199448e-03
 4.28514620e-11 2.42098203e-10 9.97534277e-10 6.95326108e-08
 2.65294602e-06 1.06240869e-07 1.46191628e-10 2.14159357e-09
 6.63378523e-06 5.89382987e-09 4.00334284e-06 2.39785489e-08
 4.50562432e-09 1.98029149e-09 1.63034279e-08 3.34256107e-08
 1.20391708e-09 1.94907951e-10 3.24155280e-07 1.10080009e-07
 1.17898020e-08 2.40551734e-09 1.42858316e-05 9.05131109e-11
 3.24377819e-04 1.54898607e-05 1.62351035e-11 6.00800740e-05
 5.84652504e-09 1.82717781e-06 1.68409485e-07 7.09019560e-07
 3.16665827e-09 2.17229212e-09 9.86831328e-09 8.34903036e-10
 4.87896701e-09 8.52822979e-10 6.43572348e-11 2.58505167e-07
 6.69589514e-12 1.31049324e-10 8.00038702e-09 2.34706246e-08
 2.04628425e-09 1.82790269e-10 2.31211827e-10 4.23555813e-09
 1.14755565e-08 2.44132370e-05 5.01209740e-08 1.33508840e-08
 3.68050678e-05 2.73392704e-08 2.16460996e-03 6.63869359e-05
 6.06146386e-06 9.22087073e-01 1.87082042e-04 7.00689480e-02
 3.75037889e-05 2.33816716e-11 1.84109850e-09 1.36629416e-10
 6.15957174e-10 2.50333732e-09 1.22786082e-06 6.96327751e-09
 3.94970678e-09 2.65641035e-07 4.04929618e-10 2.82800130e-07
 1.20559349e-07 1.51534366e-07 1.15977172e-09 4.55215172e-08
 4.83473983e-10 6.26931467e-07 1.20839985e-07 7.16102093e-08
 1.88181062e-08 1.45158381e-07]


0.9220871


61


[2.77033178e-05 4.55416048e-05 1.11271106e-07 2.78111074e-05
 1.00749800e-08 3.62027123e-07 2.80776149e-08 8.23531627e-06
 8.51909334e-08 1.59614245e-07 6.61551042e-07 1.42848853e-06
 2.69478278e-06 4.46930017e-07 2.47181073e-04 1.70874031e-07
 4.86954286e-06 1.58207379e-02 7.68739402e-01 2.81207231e-05
 4.20842866e-07 3.80091456e-04 8.06875846e-07 1.65338326e-06
 4.42970158e-05 1.16848914e-05 9.02780903e-06 1.14685648e-08
 2.85532937e-04 1.37177805e-04 1.92030818e-08 9.96607019e-10
 1.30962704e-07 3.51070662e-06 1.92431102e-07 2.61949117e-06
 4.61627288e-08 9.90819249e-09 9.44139344e-08 2.57894982e-07
 4.67789150e-08 6.52306369e-08 1.67913115e-07 2.45633896e-06
 2.27306485e-09 1.91719369e-08 8.00637963e-07 1.06555198e-07
 2.14216158e-07 3.60595021e-09 6.01698886e-08 6.25897059e-08
 3.37548414e-07 3.07532311e-08 7.47334905e-09 1.45234267e-07
 1.72290218e-03 2.82043970e-06 5.76837163e-04 7.76292174e-04
 6.74510980e-03 1.13251581e-05 1.53878495e-01 4.48958166e-02
 5.50199347e-03 1.01908142e-06 3.65878600e-06 3.49828166e-09
 1.45522711e-06 3.11563645e-06 3.61367779e-06 3.83039105e-06
 3.67408177e-07 2.87312082e-06 8.17354646e-07 2.54052088e-06
 4.63642635e-08 4.30610316e-06 3.79400618e-08 2.75464167e-08
 8.01955764e-08 1.24924077e-06 7.64960475e-07 1.92631815e-05
 1.30196406e-06 1.67465842e-07]


0.7687394


18


[2.11812235e-07 9.99940395e-01 5.14245660e-11 4.00215498e-07
 1.79749726e-14 1.12091185e-12 5.86611619e-12 1.97418952e-08
 3.21966173e-12 2.67338429e-10 2.51727323e-13 8.33858937e-09
 2.80482944e-08 1.67034910e-11 5.80140040e-05 3.57852116e-11
 1.27919212e-15 2.13111172e-13 5.75508322e-11 1.14958282e-13
 7.45823894e-14 7.77775044e-15 2.76465374e-12 1.98158699e-12
 1.45576259e-11 2.53470023e-09 9.54339663e-11 8.17412070e-14
 3.01902467e-08 6.69655928e-11 1.18220551e-13 1.17657689e-10
 1.00768172e-10 2.38049684e-11 5.82096220e-13 2.12902048e-12
 1.62379591e-13 4.20568697e-14 3.10056614e-13 1.44530231e-14
 1.11095222e-13 1.16240568e-14 9.78398969e-16 3.17218612e-10
 1.39233092e-16 3.25882916e-14 5.95782050e-13 3.11748403e-13
 4.14875001e-15 1.72155872e-14 1.83058779e-14 4.39479555e-14
 2.07132141e-12 5.49982004e-11 1.91299643e-09 1.02950704e-09
 4.31575305e-12 2.54306905e-12 1.84598690e-07 7.71462338e-10
 1.50969671e-11 9.31643207e-09 1.08264675e-10 1.26149935e-08
 2.65302363e-11 1.12601978e-13 2.96079791e-14 1.35411409e-12
 2.97749293e-14 6.65881716e-12 1.20850734e-11 4.47761203e-11
 1.09747220e-11 3.21855806e-11 5.14133109e-14 2.42448439e-09
 1.03291709e-10 6.28328552e-13 3.11856355e-15 7.10191836e-11
 6.86224335e-15 8.58866797e-11 4.66122176e-11 9.49750903e-11
 6.73084628e-07 1.05616761e-15]


0.9999404


1


[6.75034016e-07 1.29536397e-06 1.07490354e-08 1.06413096e-01
 1.14919445e-07 2.04730895e-07 5.92468083e-08 6.20783993e-08
 1.83011946e-06 1.52665814e-06 1.20748041e-07 1.79294005e-07
 2.44382769e-03 8.19213000e-08 1.66389436e-04 1.40895393e-08
 2.50798369e-08 7.84156509e-06 2.74065155e-06 8.49411390e-06
 6.15311890e-08 5.60833726e-08 3.81880636e-06 2.61612200e-07
 9.46041041e-08 9.24818141e-06 5.03482413e-04 4.29485638e-08
 1.27213951e-02 1.00245481e-04 1.76171149e-08 4.50640073e-04
 3.30670616e-07 1.13223017e-04 1.52008652e-05 1.13126998e-05
 7.32904493e-09 9.15030114e-08 6.84173017e-07 3.74255542e-08
 1.20914208e-07 3.93599073e-08 3.14572035e-09 5.95655456e-06
 1.27747812e-08 6.23128971e-09 1.10705564e-07 2.07177578e-07
 1.53605590e-08 6.07131190e-09 3.71041438e-08 4.03551397e-08
 1.16772362e-07 2.86650931e-07 2.08059291e-07 2.55263922e-06
 1.12787075e-06 3.46557165e-08 9.04247339e-04 2.99296680e-05
 7.59003087e-05 8.74425888e-01 6.62787570e-05 1.46529917e-03
 9.25396944e-06 7.17788717e-10 5.71324721e-09 4.70954227e-08
 2.60730474e-07 1.92989957e-09 8.31500131e-07 6.60912791e-09
 4.01401188e-08 2.12936413e-07 2.40656561e-07 7.30634702e-06
 7.03411862e-09 1.78383075e-07 1.33418947e-08 1.03551898e-07
 1.43880792e-08 1.20992183e-07 1.50645576e-07 4.92715935e-06
 1.88535923e-05 9.21051821e-08]


0.8744259


3


[5.56722988e-08 1.31666610e-07 1.43519419e-10 1.14518798e-07
 3.75730697e-10 2.49193929e-11 3.36026207e-11 1.91689464e-09
 8.49680077e-07 9.13295550e-11 8.34866166e-14 3.17995541e-09
 1.26734471e-06 1.37958089e-10 9.67456160e-09 4.11387280e-09
 1.31621661e-07 8.52755079e-07 6.16704128e-08 1.65945071e-08
 1.03271913e-09 3.62914893e-10 1.48973376e-08 4.93749530e-09
 2.73834427e-10 2.26545005e-08 3.40102224e-06 3.81093268e-10
 9.92846429e-01 2.16333108e-04 6.21332292e-05 5.06750401e-03
 6.76167328e-05 4.02527105e-04 1.28511910e-03 2.26235088e-07
 1.05812576e-08 3.73556105e-07 9.83944730e-08 1.04467830e-07
 2.91766398e-08 1.02638857e-08 2.50995724e-10 6.50921095e-08
 1.02527675e-09 5.37567679e-08 3.89170864e-08 1.23008348e-07
 3.38103145e-09 1.80135934e-10 3.35403065e-08 3.05860857e-11
 2.93829783e-09 1.53058022e-09 1.70637080e-07 7.15139004e-10
 6.40019593e-08 3.39898882e-08 2.09538666e-06 6.39104414e-09
 4.34669346e-06 3.63694344e-05 5.74266323e-07 3.13337445e-08
 2.13737881e-08 2.89986698e-11 1.24205637e-11 1.99813374e-10
 2.94372055e-10 2.42503795e-11 9.17910867e-08 2.64879924e-10
 8.43333137e-09 5.02754727e-09 1.43463574e-10 5.74213954e-10
 1.63868847e-08 4.29664038e-09 3.41421227e-12 1.14526877e-07
 5.38521241e-11 3.65318553e-10 7.78245144e-13 1.05332925e-08
 1.32243699e-07 4.96433950e-10]


0.9928464


28


[7.1073487e-08 3.4680294e-08 2.3395252e-08 1.6246628e-02 6.7198293e-08
 6.6518374e-11 2.8177259e-11 1.6620065e-11 3.6937283e-11 2.2809948e-10
 2.2103967e-08 5.8379823e-10 4.8586518e-10 2.5257221e-10 1.3971450e-03
 3.2982019e-08 2.1728581e-09 3.0102417e-06 8.9304694e-07 1.6764314e-08
 6.2548600e-10 6.8001482e-10 9.8204833e-01 3.3093368e-08 8.8434282e-09
 6.5567343e-11 2.5564222e-07 3.5340716e-11 1.9238087e-09 3.3656198e-09
 1.5292208e-11 5.8755267e-10 3.2082607e-11 5.6180234e-08 1.0926781e-08
 2.0915442e-08 8.4764709e-11 8.8838537e-12 3.1440452e-09 1.8037049e-12
 1.6768648e-10 2.1842332e-11 9.6337500e-13 8.8870489e-10 8.5947054e-13
 2.4114979e-12 1.1629799e-10 1.8810035e-10 2.6677386e-11 1.2869321e-12
 6.5152710e-11 5.5215366e-10 1.2543008e-09 1.1291420e-10 5.7509300e-09
 1.7959233e-11 1.5738884e-12 1.3102785e-12 3.3650920e-06 2.4522652e-07
 7.9987030e-09 7.1787566e-05 4.7698329e-10 1.8899448e-07 1.7888109e-09
 3.5971738e-12 1.2241587e-09 1.7234337e-11 1.4417174e-10 5.3608112e-10
 2.2764510e-04 6.0488788e-11 2.6686879e-09 7.5102713e-10 2.1242248e-09
 2.0301601e-10 1.0323157e-11 7.7311164e-11 1.9999904e-09 4.4316728e-10
 2.8999608e-10 1.0251094e-10 3.7362799e-10 1.6970899e-11 2.6730195e-08
 4.2452988e-10]


0.98204833


22


[8.55425583e-07 2.75702430e-08 8.76043335e-12 9.89792466e-01
 1.41523975e-08 2.16302576e-09 7.04608732e-11 4.35034864e-12
 1.57412763e-10 2.55589772e-08 1.79963333e-08 3.79910350e-13
 3.32808191e-11 1.75534975e-10 1.02028986e-02 1.35818882e-11
 8.75044742e-12 1.99483630e-09 5.65536018e-09 1.13073995e-09
 6.25484733e-11 9.87690346e-11 8.36787919e-08 7.45380369e-10
 3.51882123e-09 1.80282154e-08 1.11516563e-07 1.14074245e-11
 9.70762670e-09 4.16831882e-11 1.09438595e-13 3.85669031e-11
 6.63253202e-11 5.43716905e-10 9.11942674e-11 6.23824414e-09
 4.04374104e-12 2.59337392e-13 2.24972084e-07 1.91917380e-12
 4.05167400e-10 9.69265900e-13 1.62636262e-13 5.17332666e-08
 3.88042158e-14 6.37709937e-13 3.31408269e-11 1.90111593e-10
 4.54664778e-12 3.38787890e-13 1.14556652e-13 1.61207797e-10
 1.55651358e-09 2.22397620e-08 2.68030317e-06 1.17955437e-10
 3.88051483e-12 9.43937582e-15 3.71027120e-08 1.68887162e-08
 9.99396743e-09 2.65564665e-07 2.41508646e-10 3.92111552e-08
 3.70051900e-08 2.71775744e-11 2.92590639e-11 6.16069858e-13
 5.44937567e-11 5.78245698e-12 4.83597384e-10 5.63998772e-13
 3.45183708e-11 4.86269254e-11 2.07625223e-10 3.22445903e-10
 3.02952910e-12 1.50997617e-11 2.37509994e-11 1.13709285e-11
 1.38557126e-11 5.90871310e-11 1.49060920e-11 2.44856782e-12
 2.96145082e-08 5.62802734e-13]


0.98979247


3


[4.82006362e-06 2.38342000e-05 1.14294858e-08 8.10154073e-04
 2.03473169e-10 1.94439540e-08 2.82387642e-08 1.69339373e-07
 3.10904870e-05 5.51186361e-07 5.25395893e-10 8.26262780e-10
 4.26335691e-06 3.53515155e-08 1.85171814e-07 9.83585924e-09
 1.19630892e-08 2.36901023e-08 1.44827395e-08 6.72866989e-08
 2.71389711e-09 3.50893670e-09 3.42317250e-08 9.28833757e-08
 1.26021327e-08 5.44739351e-07 5.94445679e-04 1.33814755e-08
 1.47105739e-01 8.75193439e-03 7.86760239e-08 3.66170960e-03
 4.82364849e-05 1.45098809e-02 1.16058066e-03 3.50110690e-06
 8.17003496e-08 7.58333897e-07 4.76246350e-06 3.53114700e-07
 2.04210369e-06 5.79707020e-08 1.45043293e-08 7.19968330e-06
 8.19229407e-10 1.53908246e-08 1.06345780e-07 4.94563710e-06
 8.62764722e-08 7.77966225e-09 2.45968721e-07 7.38882511e-09
 3.68093453e-07 1.41349228e-04 4.13320631e-05 5.82598965e-08
 1.63286066e-04 7.43717737e-06 6.08615950e-03 1.76567373e-05
 1.64846642e-04 7.72863925e-01 4.15310496e-03 3.82896885e-02
 1.32882036e-03 1.77293327e-08 2.58909640e-08 2.64118816e-09
 1.08429603e-07 4.62661376e-09 5.08082039e-08 9.07469211e-09
 2.56889372e-08 1.16420722e-06 5.17863707e-09 4.39844285e-08
 3.34835676e-07 1.31035836e-06 7.32914307e-09 2.09527320e-06
 1.46366421e-08 5.89808344e-08 4.25802966e-08 1.65648612e-06
 1.80842733e-06 2.72414468e-07]


0.7728639


61


[8.55629594e-08 3.84024119e-08 2.19151151e-08 2.68232975e-06
 5.93097660e-09 4.16312318e-08 1.11871916e-08 1.51342263e-07
 4.47948594e-07 1.65500891e-09 1.64551341e-08 3.32935684e-07
 1.36179793e-07 1.06473038e-07 1.92035332e-05 1.00101566e-07
 7.66449489e-07 7.27427052e-03 1.54020833e-02 1.69265786e-05
 2.62395687e-08 1.64700105e-05 1.41484179e-07 7.65478660e-07
 3.83555431e-07 8.87201281e-07 4.15022623e-05 1.19781995e-09
 4.18954005e-05 2.09843318e-04 1.99166763e-08 5.61415845e-07
 1.38216720e-07 7.77391670e-03 1.81811833e-06 2.21442201e-06
 7.02900067e-08 6.54819189e-07 5.33848777e-07 4.28351228e-07
 1.21890707e-07 5.86043924e-08 1.99866204e-08 3.68119117e-07
 3.58919094e-09 2.76961174e-08 3.38122874e-07 9.03749537e-07
 1.09837138e-07 1.66748748e-08 1.78231957e-07 1.31371503e-09
 2.68269645e-07 1.76019796e-07 1.53654781e-07 2.58470664e-07
 1.49054639e-03 1.91252170e-07 1.56174181e-04 2.47901835e-06
 1.74472970e-03 1.61701022e-03 1.53720810e-03 9.62314606e-01
 3.05250025e-04 6.87768534e-07 2.70130414e-07 8.53503268e-10
 2.54969706e-07 1.80151609e-08 8.15743473e-09 2.10463984e-08
 3.34421173e-07 1.95491771e-06 7.88169245e-08 4.29068940e-08
 1.90508977e-08 1.01350179e-06 2.63758508e-08 3.20058575e-08
 6.26632016e-07 3.29080869e-08 3.36806295e-07 7.36439097e-06
 5.81968789e-06 7.76552440e-08]


0.9623146


63


[2.48678333e-07 4.77936396e-07 2.91309294e-12 2.57584656e-08
 6.11219061e-12 3.80031909e-11 2.83694197e-11 1.59492881e-08
 4.34333288e-06 3.80439708e-10 2.78537970e-10 5.93422333e-09
 1.22754884e-07 4.68822342e-11 2.66352636e-05 1.71309578e-10
 1.85940610e-10 2.88007787e-08 2.04468567e-08 1.44268139e-10
 1.30689817e-11 3.42821119e-11 4.29830255e-10 1.23302737e-08
 3.30521666e-10 1.10700711e-07 3.52839881e-04 3.89176261e-11
 1.63475142e-05 6.29737207e-10 5.58741853e-09 1.53058778e-07
 1.20701202e-07 8.85707740e-12 6.10036693e-07 7.16539883e-10
 5.77618682e-12 1.04620423e-10 6.24561347e-10 9.19104792e-10
 2.80255905e-11 3.35112285e-11 7.70757503e-12 2.66126365e-09
 1.85190079e-12 7.36141564e-11 2.77895346e-10 1.39685596e-09
 7.07249016e-12 7.83618222e-12 1.90821980e-09 8.91159840e-14
 4.13990786e-11 1.37981807e-10 6.17212663e-06 1.56758839e-09
 2.92562363e-05 2.15395900e-07 2.47349450e-03 1.88490890e-06
 8.13647205e-07 8.13733823e-06 4.47207800e-04 2.72926422e-06
 9.96606946e-01 9.95238447e-10 1.74365958e-12 1.85061536e-12
 8.30522540e-10 1.12741630e-11 8.09854180e-12 1.65508851e-08
 4.59930316e-09 2.33179209e-09 2.42653869e-10 6.15419035e-11
 6.05757435e-08 4.56652449e-09 2.79034868e-12 1.07642244e-07
 2.28161851e-10 1.52159565e-08 9.51293818e-12 1.38224210e-09
 2.09777372e-05 3.67050167e-13]


0.99660695


64


[1.35992384e-09 8.01958961e-08 4.88267022e-12 1.02856328e-08
 6.94762932e-13 9.16805954e-12 4.48244252e-13 4.09692870e-11
 1.22921717e-09 5.18955191e-12 3.80817866e-09 2.30474584e-10
 7.44186153e-08 1.02720306e-11 6.17204250e-07 3.88359131e-13
 2.46564684e-14 4.13847567e-11 6.33480629e-11 4.99577159e-12
 2.23931760e-14 5.04962520e-14 1.23812202e-11 2.12350172e-11
 1.61591151e-12 5.96018701e-08 1.82589673e-07 2.07945531e-12
 9.03873199e-10 1.55654612e-12 4.40259970e-13 6.83370749e-10
 1.24155087e-11 4.66873719e-12 9.11728849e-14 5.27176740e-12
 1.11135669e-13 1.82593320e-13 2.60332597e-12 3.39550653e-12
 1.01358668e-12 3.25773588e-13 8.15794796e-15 7.86929619e-11
 1.30075369e-16 6.81898331e-13 8.03592165e-13 4.52937817e-12
 3.44857498e-13 5.28837174e-13 2.62889862e-12 2.62390034e-15
 8.62824916e-12 1.15371276e-12 1.49841162e-06 9.63860589e-12
 3.28179983e-11 7.36042303e-12 4.12085406e-08 3.08097887e-11
 6.23653126e-12 3.30247114e-11 1.25171115e-11 8.12957424e-10
 9.13835507e-10 1.46904960e-12 1.30968743e-14 4.62545761e-15
 1.24092007e-13 1.03657892e-12 5.43930000e-15 4.03968482e-12
 1.27104204e-11 1.39835016e-13 2.48832042e-13 3.66077170e-14
 1.68862277e-12 7.48918831e-13 4.06814440e-17 1.18705306e-11
 9.91776732e-15 2.40719142e-12 1.17691135e-13 4.20583219e-13
 9.99997377e-01 3.99887722e-16]


0.9999974


84


[2.5285848e-05 1.4405025e-05 3.2957863e-09 9.9992514e-01 1.7296581e-11
 6.2808031e-10 3.1330710e-10 3.3862343e-11 7.0090950e-10 3.4249548e-11
 2.5839246e-12 1.6906219e-11 4.4038444e-09 8.6471563e-10 1.1481018e-07
 6.9909699e-12 5.0946608e-10 3.3546638e-11 7.7057812e-11 2.0040643e-10
 2.3432478e-10 4.8327642e-10 5.9622893e-09 1.0795600e-10 1.2596346e-10
 7.8832477e-07 1.1845979e-06 9.0663907e-11 1.6589586e-07 2.9141349e-09
 3.6215118e-11 2.4889755e-06 6.1354022e-10 1.7130150e-08 1.0657777e-08
 1.9102774e-08 8.0568816e-11 7.8489416e-11 7.8305163e-08 4.6562528e-12
 1.5584391e-08 6.7198073e-11 1.6161710e-12 1.6931225e-06 1.3133750e-14
 6.0779332e-10 1.1261418e-10 8.9012202e-09 2.0963582e-11 5.2648862e-12
 3.1878392e-11 5.3161453e-09 1.9643063e-09 7.7342452e-07 8.4309759e-06
 1.8577301e-12 3.5895203e-11 7.3642969e-13 8.7653524e-07 8.8428562e-09
 2.3067606e-10 2.2994425e-06 3.7238177e-09 1.8274470e-06 7.0143744e-07
 1.6257444e-10 4.3516474e-10 7.5195926e-13 1.0346991e-11 4.8637865e-11
 1.6096345e-11 2.0410373e-12 2.2462239e-09 5.3737720e-10 2.1576513e-10
 3.8503063e-09 2.7279898e-10 8.7442148e-10 4.7819713e-12 4.8720316e-11
 9.5491635e-12 1.1952573e-11 1.1442061e-09 4.9463177e-12 1.3663163e-05
 9.8933340e-13]


0.99992514


3


[5.64853164e-10 2.08268444e-10 3.76206184e-12 6.67981794e-08
 1.09925055e-11 1.87569160e-16 6.76453387e-14 2.74628454e-12
 2.63236322e-10 3.89471970e-16 7.19431404e-18 1.03240951e-12
 7.04964628e-11 5.89655413e-14 5.09501382e-12 6.63600598e-12
 9.22038113e-10 5.07975551e-10 1.23411212e-10 1.05115187e-10
 3.13571079e-11 1.03917465e-11 1.38823642e-12 9.54107800e-12
 5.60196854e-13 6.84242214e-13 1.24624214e-10 3.82173078e-11
 4.24640439e-06 3.50416417e-06 5.89137805e-08 9.99568284e-01
 5.03651734e-07 5.19827518e-06 4.18078154e-04 2.30540316e-08
 1.11812608e-10 9.69629799e-09 8.83976281e-10 1.45273471e-09
 1.97638528e-08 1.09439298e-11 6.96118239e-14 5.52126522e-09
 5.45848089e-13 1.34645572e-10 8.90452087e-11 4.31316582e-09
 5.26890545e-11 9.71264983e-15 8.30226859e-11 1.85356169e-14
 7.69538044e-11 2.35130795e-12 9.52832951e-12 6.36295253e-17
 3.62513752e-12 1.69419654e-13 6.32832342e-10 8.17654833e-11
 6.46950755e-13 7.72539976e-10 4.75477981e-14 1.34261276e-12
 5.06913539e-11 1.82457524e-13 3.44122076e-14 1.93874051e-14
 1.02403048e-14 3.45332703e-13 2.82771809e-11 2.57864697e-15
 7.22334779e-12 3.37973122e-10 1.94345476e-13 2.44574163e-13
 1.26517902e-11 4.87379616e-11 1.66160132e-14 3.93551650e-11
 1.16184452e-14 7.10487658e-13 6.45443659e-16 3.17919627e-12
 2.76751538e-10 2.43046888e-14]


0.9995683


31


[3.92227776e-07 8.78999856e-07 2.63582406e-10 9.99566019e-01
 6.90341994e-06 3.80219120e-12 5.33247613e-11 7.97445512e-11
 3.46916201e-14 4.10366116e-11 5.50999413e-10 4.38140246e-10
 3.96742405e-12 1.97419164e-12 3.96272517e-04 1.16464494e-09
 6.45849867e-12 5.63077274e-09 8.03240696e-10 4.77699547e-10
 6.29573171e-10 2.27440775e-10 2.81219218e-05 2.92434937e-10
 4.75115502e-09 2.38375639e-12 1.25927901e-09 3.57256347e-12
 2.40307019e-09 5.49182921e-11 1.72507218e-13 6.84023149e-08
 1.29179653e-11 1.73750259e-08 8.66785393e-11 2.18027152e-09
 4.10395632e-12 6.80698377e-14 3.51591672e-11 6.92845195e-13
 3.96464979e-11 1.90458239e-12 1.82994692e-15 2.26631536e-09
 7.28636376e-15 5.00858747e-14 1.24311915e-11 1.22832239e-11
 1.30779122e-12 1.03293406e-14 6.20778168e-13 3.54950618e-11
 1.81524684e-10 2.18646309e-10 8.93550345e-10 1.27515132e-13
 1.16699897e-14 4.62963340e-14 2.82248777e-07 3.08855747e-10
 1.52292935e-12 5.29633830e-08 3.02281399e-12 7.14681825e-09
 1.17003751e-09 6.30057475e-13 7.25686091e-12 1.46896503e-12
 1.33677276e-13 1.92727639e-11 8.42580619e-07 1.51850510e-13
 7.04646801e-12 2.50607035e-10 1.22914734e-11 6.93967772e-10
 4.15598502e-12 1.82087054e-11 2.42966983e-11 8.70831619e-12
 2.07137316e-14 2.31405455e-12 6.21374306e-12 2.78273850e-13
 1.09679676e-09 1.34416055e-11]


0.999566


3


[1.50167850e-07 9.15642086e-05 2.42834397e-09 2.45519244e-04
 6.60049237e-10 3.82554921e-09 5.08924070e-10 6.07742905e-08
 5.35845324e-09 8.65636895e-09 2.53726706e-10 2.30533839e-11
 3.91327575e-07 5.86596494e-10 2.12557907e-07 4.58213661e-10
 3.05502741e-11 1.08758558e-09 1.04973759e-10 2.06577214e-10
 1.21148966e-10 1.67130823e-11 5.46078702e-08 2.96341529e-09
 4.61314720e-09 3.03875813e-09 2.96546955e-06 1.10153490e-10
 2.00730283e-04 2.28924679e-09 9.07963371e-10 2.70989204e-07
 1.26738877e-08 2.82847009e-06 1.22454413e-09 4.14087737e-07
 2.28662742e-10 3.96558453e-10 3.82609677e-09 1.08765136e-10
 5.72641268e-09 3.97238242e-10 3.26003356e-11 3.44139096e-07
 2.05896585e-11 8.40998271e-10 2.31423125e-09 5.81224269e-09
 6.58279042e-10 2.81925282e-11 1.43002346e-10 7.37463923e-10
 4.42035706e-08 6.78316701e-06 6.94077107e-09 1.18485366e-09
 9.05126853e-08 3.17646993e-08 9.86360431e-01 2.15337150e-06
 2.79121110e-07 1.35225155e-05 1.20291343e-05 1.30565017e-02
 1.61399930e-06 9.03333051e-12 6.80261403e-10 6.87823062e-11
 1.95600328e-12 2.54121446e-10 2.92805595e-07 8.99599395e-10
 7.61732011e-09 8.33444389e-08 1.32286834e-10 1.72144325e-07
 7.93603017e-10 5.17500820e-10 5.65080649e-10 1.48351758e-08
 5.41535095e-10 3.02049500e-07 1.97642236e-09 8.09124590e-09
 5.22345616e-08 7.24265092e-08]


0.98636043


58


[1.7223832e-05 3.9210219e-05 5.3208719e-06 6.2204483e-05 3.9334690e-08
 4.7168623e-07 5.0333636e-08 1.4397841e-04 2.1848289e-06 4.1162787e-07
 5.4660643e-07 5.3549126e-08 3.4970606e-05 6.7400109e-08 6.9883172e-05
 3.5330328e-07 9.8817445e-08 1.1071343e-02 5.4962263e-03 3.9527393e-07
 1.5103829e-07 1.1606783e-06 8.4822477e-06 1.7232131e-07 5.9104002e-07
 5.1817045e-07 2.3393281e-04 7.5246464e-07 7.8387652e-03 1.0114020e-05
 4.4736807e-06 6.3558969e-06 4.0447799e-06 8.8285866e-05 1.4479694e-05
 9.3424742e-06 2.0339994e-09 2.8653435e-08 3.2993634e-07 1.4362368e-07
 2.6855759e-07 9.8841019e-06 5.2913026e-07 1.2181386e-05 2.4139796e-08
 2.4822560e-08 4.2441761e-06 7.5856809e-07 6.3614425e-07 8.9963619e-09
 2.3086048e-07 4.0518745e-07 5.2446230e-06 2.5226113e-06 5.2982728e-08
 1.6755700e-07 2.4539868e-03 5.5717319e-05 2.1989247e-02 5.0648057e-01
 7.6347688e-04 4.1798354e-04 4.2765259e-04 2.2904941e-01 2.1253513e-01
 6.8456025e-08 9.4117084e-08 1.6465609e-07 3.2377642e-07 7.1206398e-07
 2.4313394e-04 1.5866324e-05 9.3933359e-06 4.3096393e-06 1.4351284e-06
 1.5074833e-05 1.2184860e-07 2.8397597e-05 6.4980550e-09 1.3824259e-06
 1.2104811e-06 2.1494730e-05 5.3617219e-07 8.0917132e-05 5.7377119e-06
 1.9220513e-04]


0.5064806


59


[8.7587191e-09 7.8136117e-07 1.9438312e-10 8.5658048e-06 3.5566810e-12
 9.3471918e-11 7.3788378e-11 6.5909454e-08 3.2403402e-09 8.3943524e-10
 3.6891781e-11 1.0054209e-11 5.8353134e-08 1.8772214e-10 3.2287693e-07
 4.5496221e-11 1.3098432e-12 1.9234529e-08 3.4572938e-09 5.0983512e-10
 1.7094992e-11 1.3565032e-10 4.9803366e-09 1.3680579e-10 1.1670042e-09
 3.4586972e-10 8.7420685e-06 4.5166107e-11 4.8908329e-04 5.6884868e-11
 1.7199890e-10 3.6471700e-08 4.9838758e-11 3.3980110e-09 5.8361760e-10
 6.7845607e-10 5.6755004e-12 8.4255597e-12 8.9777637e-11 2.5042329e-12
 1.6616453e-10 7.7437119e-12 1.8333035e-12 2.9158697e-08 8.6200329e-13
 1.7357371e-12 7.2832423e-10 6.9293349e-10 2.0625808e-11 2.8548609e-12
 9.3690698e-12 5.0135847e-11 1.2828064e-09 2.2843167e-09 1.4633577e-09
 1.2403180e-10 7.3408351e-08 4.8779402e-08 9.9141288e-01 2.5467898e-05
 1.1770520e-06 4.1658608e-05 1.3484896e-06 7.9592094e-03 5.0314131e-05
 5.0780920e-12 3.9877962e-11 6.2061276e-12 7.7184968e-12 6.4396578e-11
 8.9949630e-09 5.1579985e-09 7.7385121e-09 1.0012334e-08 8.0140998e-11
 2.3193262e-08 5.9416211e-10 3.0399663e-10 6.4129493e-11 8.0679552e-09
 2.0207713e-10 4.1820755e-08 1.1999658e-09 1.9867055e-09 1.5313706e-08
 1.1177718e-10]


0.9914129


58


[1.11270786e-07 9.99864697e-01 1.04134712e-09 1.19086188e-07
 1.85966829e-14 3.47127448e-12 3.99548311e-11 1.59815386e-06
 6.53876814e-11 1.48547646e-10 5.43081335e-12 5.03414954e-09
 3.66760702e-08 2.93620579e-11 1.68522263e-07 7.22414351e-11
 1.07894549e-13 3.82322854e-11 1.61683958e-10 4.01529027e-12
 4.70942350e-13 1.25167265e-13 2.67366157e-10 1.01078104e-11
 3.73215694e-11 2.24454969e-10 4.37732517e-09 2.54472641e-11
 5.10915129e-07 2.47016352e-10 2.05748807e-10 1.82784077e-09
 3.05644865e-09 1.11986287e-09 5.83030846e-10 6.62736324e-11
 3.60128832e-12 6.07698896e-13 1.11303837e-12 4.58015841e-13
 6.81847287e-12 1.65567664e-11 1.90621187e-13 8.07988521e-09
 1.31021326e-14 3.59522850e-12 5.11585010e-11 5.59911631e-11
 8.75418607e-13 7.44370819e-13 8.90457413e-12 6.46694720e-13
 7.89633567e-11 1.29649913e-09 9.72961156e-10 1.48841668e-11
 7.19510077e-11 2.72565748e-09 1.27023101e-04 3.15381669e-07
 9.98696958e-11 6.30037036e-08 8.14826393e-08 3.18765478e-06
 6.38998499e-09 3.30441924e-12 9.88937190e-14 1.28733621e-11
 1.00561161e-12 1.77690626e-10 2.34110260e-08 8.69828032e-09
 1.34581568e-09 9.21214927e-09 3.25137139e-12 1.93436005e-08
 6.20157370e-10 7.00713432e-10 2.20064022e-14 1.42470622e-08
 3.00381703e-12 7.09584669e-10 2.26919439e-09 1.78392967e-09
 1.92502057e-06 5.54457391e-12]


0.9998647


1


[2.05046913e-09 3.78411649e-08 6.46375531e-09 8.20448331e-04
 1.63225347e-12 1.05785665e-10 2.94808067e-11 5.54638890e-10
 7.15075466e-09 2.01491643e-10 5.47537102e-12 4.98704680e-12
 5.89353855e-09 5.61101887e-10 3.09760289e-08 2.18538521e-11
 3.68118418e-11 6.50758336e-09 2.26560437e-10 7.96984811e-10
 4.04141755e-11 4.66889617e-11 1.26601751e-08 9.88288340e-11
 1.32735889e-09 5.32632410e-11 9.81089670e-07 8.63094457e-11
 1.09633467e-04 1.30237832e-09 8.36463676e-10 3.22177669e-07
 1.42942200e-10 4.16016383e-06 6.23800733e-10 1.99592343e-08
 4.28285914e-11 7.68478337e-11 3.42453482e-10 4.15199819e-12
 1.48551427e-09 7.63577881e-11 4.55065889e-12 7.87671866e-08
 1.08791110e-11 6.08259762e-11 3.61841823e-09 5.23060661e-09
 1.85135560e-10 1.02359371e-11 5.48735536e-11 2.28956201e-10
 5.59611246e-09 4.45420589e-08 4.32706898e-10 5.45124015e-11
 1.93668541e-07 6.12305318e-09 5.05349562e-02 7.13089103e-05
 2.74329886e-06 1.80762028e-03 6.00499243e-06 9.46635008e-01
 5.67911047e-06 3.76239769e-11 1.19511812e-09 5.14247759e-12
 4.17311082e-11 9.21936624e-11 1.26263828e-07 1.40325113e-10
 3.11470707e-08 9.33462303e-08 8.88634166e-11 3.24307166e-07
 1.47915208e-10 3.67801373e-10 5.29999551e-11 1.13707099e-09
 1.52048119e-09 9.92498084e-09 3.98433864e-09 1.67518166e-10
 2.65156141e-09 2.51023713e-09]


0.946635


63


[2.50082257e-06 6.52773422e-04 1.41064793e-09 1.39415579e-06
 1.82814042e-10 3.47526591e-11 3.60295627e-10 1.15760439e-03
 7.61787007e-08 1.46382490e-07 1.06275155e-09 1.04976243e-05
 1.22351011e-07 4.39556569e-09 1.89992079e-05 3.58225201e-08
 9.77360770e-09 1.05514468e-04 1.19669703e-05 8.57513598e-08
 2.16209539e-09 2.11513989e-08 2.61364448e-07 2.52618531e-08
 7.46181215e-08 7.37411980e-08 1.58144452e-03 5.95233807e-10
 1.35727171e-02 2.05512897e-05 1.59419429e-07 1.23387144e-06
 3.59458767e-07 6.41731290e-08 2.61556961e-05 8.99211727e-08
 7.29383753e-09 8.29041558e-10 9.04571618e-09 1.49291761e-08
 3.47010243e-09 8.28584645e-10 7.56266050e-10 4.79126143e-08
 1.40603251e-10 5.65771430e-10 1.27714827e-07 4.41637553e-08
 1.37620537e-09 3.03935099e-10 3.28478822e-09 5.13048978e-11
 4.78121676e-09 4.39621756e-10 1.07134746e-07 6.75518252e-10
 3.37028760e-05 5.34903847e-07 1.27737503e-02 2.43583600e-07
 3.69224523e-04 9.00674045e-01 6.59815893e-02 3.32644500e-04
 2.65974016e-03 4.74654556e-08 1.23943314e-10 6.41382780e-11
 6.95578422e-08 2.70417040e-08 2.65679176e-07 9.86119517e-07
 1.11427312e-08 3.10329278e-06 1.01475841e-08 8.10490178e-07
 5.49680301e-08 4.65277566e-07 5.13689646e-10 4.89892443e-07
 5.41693979e-09 4.52623183e-08 9.76136860e-09 1.94692370e-06
 8.02316777e-07 2.52266791e-10]


0.90067405


61


[1.6666910e-09 2.4386344e-09 2.8694797e-10 2.4318197e-06 2.4154284e-13
 2.4923995e-11 6.7176218e-13 3.6891088e-08 6.8312794e-08 4.0624784e-09
 1.2266381e-10 6.2969095e-11 3.5915650e-09 8.1507495e-11 2.1818956e-09
 5.3807270e-10 1.0572805e-11 1.3941642e-09 8.6751994e-12 1.3207685e-10
 6.2710531e-12 4.1996953e-12 1.0338669e-07 7.8671258e-10 5.3751975e-10
 1.0443043e-09 4.0838609e-06 1.7708784e-11 4.9879691e-05 2.5795671e-08
 1.0712569e-10 3.9375041e-09 2.5074109e-10 4.1925708e-07 3.6394190e-11
 5.2163923e-10 1.0855059e-11 1.7913497e-11 9.0037831e-11 2.2012218e-11
 1.7937850e-10 2.5767700e-11 7.1188949e-12 9.0490717e-09 1.0485261e-12
 1.8561116e-12 6.8154854e-10 4.9704227e-09 2.5993390e-11 1.6366988e-11
 3.5686721e-11 3.4461762e-13 3.9877039e-09 2.7723332e-11 8.9934732e-10
 3.4396128e-11 2.7613171e-07 3.1433576e-08 6.8895175e-04 5.2757537e-06
 2.0701843e-06 8.8244968e-04 2.8605812e-04 9.9807692e-01 6.5011284e-07
 3.0195565e-11 4.9993143e-10 1.4275496e-13 4.4947830e-12 6.4459744e-12
 1.7687276e-08 1.9273780e-10 7.2258555e-09 7.7945410e-09 5.1536702e-11
 2.9283602e-09 2.3030798e-11 1.0965926e-09 3.1786834e-11 2.7929645e-10
 2.4651117e-10 5.0102571e-09 2.1264590e-09 3.6991616e-09 7.6737606e-08
 2.2982220e-11]


0.9980769


63


[1.7219703e-07 1.6947066e-05 1.9688900e-11 8.1252161e-09 1.4994088e-13
 1.5658246e-11 1.0927402e-11 2.2490138e-08 1.4009816e-09 2.7938835e-10
 1.2845426e-08 7.0828308e-09 8.3067073e-07 7.4584749e-10 5.2594398e-05
 1.7546908e-11 4.9275220e-14 1.4129119e-10 5.0387794e-10 7.8021218e-12
 1.7397062e-13 6.5791434e-14 1.5723317e-10 1.5510550e-10 8.2242158e-11
 1.1112655e-06 4.2283719e-07 6.1034358e-11 2.0876845e-08 1.2133449e-11
 2.2770178e-12 6.3017969e-10 4.9559506e-10 2.4198827e-11 3.0609182e-13
 2.0221807e-11 2.5496803e-13 6.7850619e-14 9.1449305e-12 3.1542006e-12
 1.6138169e-11 4.6025082e-13 1.2237165e-13 7.2000113e-09 3.3371978e-16
 2.9079855e-13 8.4449475e-11 1.8760495e-11 3.8209588e-13 3.6411282e-12
 2.5176133e-12 2.1506980e-13 4.1867546e-10 4.7982568e-12 9.0044540e-07
 3.6588062e-11 5.8432995e-11 7.2154019e-11 1.0209112e-05 9.2438173e-09
 5.8741303e-11 1.5974677e-09 7.9252258e-09 1.5182978e-07 2.7860714e-10
 1.6616764e-10 3.9990008e-14 5.2043943e-13 1.5877941e-11 4.9356685e-10
 5.5375474e-12 3.0898957e-09 1.8437162e-10 3.5275231e-11 1.0455917e-11
 3.2853612e-11 2.3518278e-11 3.8455194e-12 9.6443586e-15 3.7614675e-10
 5.2154044e-13 1.9160291e-09 1.8762103e-11 6.0900632e-11 9.9991655e-01
 3.1647720e-15]


0.99991655


84


[3.1376127e-05 2.8520457e-05 3.1085687e-08 9.2542732e-01 1.9986093e-14
 7.1192727e-09 5.1289523e-10 2.7328632e-11 5.4396203e-09 3.6153580e-10
 8.8828792e-11 2.4916534e-11 1.8940303e-09 4.6397441e-09 1.2116443e-07
 1.8184588e-12 2.8322655e-10 6.1039169e-12 1.4263750e-12 6.1414061e-11
 1.1705491e-10 5.5830320e-11 7.4532714e-08 7.6534896e-11 4.9773767e-09
 5.2113495e-07 5.4036241e-07 4.1317418e-11 2.8029849e-06 3.4038328e-09
 2.6024793e-11 3.0702997e-06 1.4331764e-08 1.9330601e-07 8.3262541e-10
 7.7614146e-09 1.6227110e-11 2.7696909e-11 9.9468451e-09 1.0155422e-11
 3.5471253e-08 5.5443629e-11 5.2181991e-12 4.0898444e-06 4.5381528e-14
 6.5942141e-10 4.7512403e-09 1.8301746e-08 7.9847006e-12 2.7670704e-12
 1.4257554e-11 8.5993285e-10 1.8845073e-08 3.8074850e-06 8.9664331e-07
 1.3661888e-11 1.0853804e-10 1.7095407e-10 6.7593031e-02 6.8890462e-05
 5.1786188e-08 2.4198465e-05 8.0768350e-06 6.7988723e-03 2.0422081e-06
 6.8628207e-11 6.3286683e-09 4.2184420e-12 1.2963637e-11 1.4155171e-09
 9.8120214e-09 1.4928038e-10 1.8017593e-08 3.8504910e-09 9.9858655e-10
 1.8246443e-07 5.6719068e-10 1.8488605e-09 1.0500357e-11 8.2469431e-10
 4.5450723e-11 3.1971883e-10 7.0680080e-09 8.5256270e-13 1.1959767e-06
 5.8162687e-13]


0.9254273


3


[1.34882313e-07 4.79517269e-07 4.79690110e-09 1.32341779e-06
 1.04555864e-10 2.34803388e-13 5.75242354e-11 2.00830446e-08
 1.68512884e-07 2.60974792e-12 1.66016628e-13 3.42033846e-10
 6.09036066e-09 3.77437387e-11 7.46748607e-10 6.60867583e-10
 5.20285710e-07 8.54112781e-10 7.44392326e-10 7.38344896e-09
 9.57631219e-09 1.89352922e-10 5.65628044e-10 7.13495041e-10
 2.42252707e-09 3.44230922e-10 5.45275558e-09 5.80551340e-09
 2.83093238e-03 1.03912980e-03 4.05655243e-04 9.84046519e-01
 7.66941288e-04 3.65458633e-04 1.05327992e-02 6.04795787e-07
 2.29379182e-08 4.68846565e-06 2.47918848e-07 4.70982656e-07
 6.13825080e-07 3.00609422e-08 2.45173659e-10 6.11176119e-07
 1.88988505e-10 4.95097481e-07 3.71897606e-08 2.44388502e-07
 1.35246889e-08 2.05355503e-12 2.47716905e-08 1.94633329e-12
 1.40116976e-08 3.11030007e-10 1.30205347e-09 3.60456646e-13
 3.34748695e-09 1.16566923e-09 4.36472646e-07 8.62361787e-07
 5.31285405e-10 9.54273034e-08 1.35492373e-09 1.41626388e-09
 3.48033113e-09 4.63323347e-12 5.82274090e-11 3.20929949e-11
 2.86316144e-11 2.52189492e-09 5.41709824e-08 4.53039793e-11
 1.38585154e-09 1.73115524e-07 1.92561540e-11 1.61248570e-10
 4.35045351e-08 9.26053012e-09 2.85607497e-12 1.26017330e-08
 3.76413440e-12 3.48323304e-09 1.54210986e-12 1.38169987e-09
 6.95082125e-09 6.93736691e-12]


0.9840465


31


[1.73458943e-06 3.68515180e-06 5.13188547e-10 9.99267042e-01
 2.12472306e-09 2.50047747e-12 3.78319008e-11 1.18136343e-11
 6.55142241e-14 1.10055805e-10 2.13713580e-09 1.19625879e-10
 3.58310799e-12 1.52048669e-11 1.48394465e-04 3.01254410e-10
 4.85798814e-12 5.56349168e-11 1.29105789e-11 7.68013014e-11
 3.67333178e-11 1.45837379e-12 5.43461239e-04 9.30952745e-11
 2.35643416e-09 1.22490408e-12 1.03489467e-10 1.87072905e-12
 1.38911860e-08 2.77916856e-10 6.56004114e-13 3.68425179e-10
 1.66621821e-11 6.69652467e-09 1.33028921e-10 3.72944609e-09
 1.24115009e-12 2.18806110e-14 2.01149666e-10 9.89087284e-14
 2.42427883e-10 2.29699311e-12 2.35312995e-15 1.15216459e-08
 1.21119983e-15 8.65134177e-14 3.32083284e-11 1.26940654e-11
 1.68688021e-13 2.50802051e-15 3.12363145e-13 1.05592774e-11
 5.91352689e-10 5.51011875e-11 2.69619160e-10 1.03490499e-13
 1.75670769e-15 9.49950730e-13 2.92434765e-06 5.23446566e-08
 2.44038522e-11 1.25732456e-07 8.90491569e-10 7.03377800e-09
 4.88033725e-10 9.04697920e-13 1.51700198e-11 3.48283576e-13
 7.94972202e-14 6.75533726e-11 3.23542263e-05 1.68076057e-11
 1.97427977e-11 1.51372206e-10 5.31013879e-11 5.86425486e-09
 3.99590430e-12 2.87615123e-11 4.85846259e-11 5.18882853e-12
 1.48910384e-13 2.49445625e-12 1.07811711e-10 2.31600424e-14
 2.23103513e-09 5.34961778e-13]


0.99926704


3


[8.13434781e-07 1.05642626e-04 7.18408799e-08 8.07511562e-04
 1.69900316e-10 4.97911801e-09 1.30835387e-09 3.99271312e-06
 5.92709029e-08 4.43134311e-08 1.75729475e-09 1.60835678e-10
 1.87475621e-07 1.20436585e-08 1.60989157e-06 8.77314399e-09
 2.67239342e-09 4.07521092e-08 3.16996474e-09 7.72319169e-08
 4.48601467e-09 7.52039875e-10 2.67505328e-07 7.46230882e-08
 6.85689585e-08 5.38097922e-09 2.79032211e-05 5.64252922e-10
 2.59622349e-04 8.53166910e-07 3.10893045e-09 1.24305643e-06
 3.05937675e-09 1.43490740e-06 5.05832141e-08 1.05844865e-05
 4.39591741e-09 1.33200340e-08 1.90819218e-08 1.21430210e-09
 1.33888776e-07 2.74389911e-09 7.85223053e-10 2.28314730e-06
 2.10442511e-10 9.09376630e-10 1.48623002e-07 8.72412329e-08
 1.52679398e-08 1.03062581e-09 7.06520509e-10 2.97772011e-08
 4.38309058e-07 4.08955572e-07 3.62900856e-08 1.81689908e-09
 2.80341592e-05 7.99787927e-07 8.43204916e-01 4.18845052e-03
 4.76939385e-05 6.57040277e-04 7.80016591e-04 1.49569005e-01
 2.86885537e-04 9.00985467e-11 5.64352476e-08 1.67761471e-10
 1.93702762e-10 2.80015855e-09 8.10225629e-07 1.70118390e-08
 5.35865397e-08 8.63197147e-06 1.52983060e-09 4.19266598e-07
 4.41026105e-09 1.73265668e-08 5.18940624e-09 1.86049476e-07
 3.84609677e-09 7.90489764e-07 4.09056788e-08 1.41657566e-07
 3.76970171e-08 1.82076807e-08]


0.8432049


58


[2.24097357e-06 3.39659977e-07 1.08910378e-07 2.39256929e-06
 3.19737431e-11 1.83353044e-09 5.35755940e-10 1.65252644e-07
 2.84278254e-08 1.95733052e-09 5.17576169e-08 1.45919041e-10
 1.43687146e-07 1.91502547e-09 1.48006265e-07 1.15201670e-09
 1.71646484e-08 4.32682573e-04 1.10263193e-06 6.60605082e-08
 4.91103336e-09 1.50759416e-09 1.09953113e-08 4.14129042e-09
 2.35967317e-08 2.43204799e-08 1.33493386e-05 2.11683515e-09
 5.82337407e-06 1.29550486e-08 2.94604092e-08 2.52860648e-08
 5.40396838e-10 9.06551918e-08 1.21174764e-07 8.93071444e-07
 7.25134605e-11 1.10478966e-10 1.12043272e-08 6.06120265e-10
 9.11273812e-09 2.48827465e-08 1.54222157e-09 3.29028325e-07
 6.33487447e-12 3.72579433e-11 5.82325157e-08 1.05388516e-08
 3.38574591e-09 7.42793813e-11 9.59993862e-10 5.90693823e-08
 2.26505421e-07 5.72972354e-08 1.03540501e-08 2.74013523e-09
 1.18549942e-04 1.10774900e-08 2.28871522e-03 8.16962063e-01
 2.14919273e-05 4.65762641e-05 2.55709824e-06 1.49363846e-01
 3.07330992e-02 1.79723036e-09 7.66242958e-10 6.78440290e-11
 2.13535198e-08 1.15817738e-08 5.63010360e-07 2.49222040e-07
 2.41377975e-08 5.45336661e-07 1.77935733e-09 4.84414841e-07
 2.51650478e-09 7.04581211e-08 3.72443937e-10 3.79948801e-08
 8.25043500e-09 1.61424126e-07 1.90591565e-09 7.75407543e-08
 1.04495854e-07 7.96094426e-08]


0.81696206


59


[4.82211135e-07 6.35961987e-06 1.90245619e-09 7.80807477e-06
 1.58172596e-12 9.83569684e-11 7.74741729e-11 1.55183579e-06
 4.00232238e-08 1.31460687e-09 2.69737122e-10 6.88909207e-11
 7.78193652e-08 8.54369520e-10 1.41545877e-08 1.19255994e-10
 2.08792025e-10 2.18057750e-07 1.86073013e-09 7.07750658e-09
 6.66636191e-10 1.29208921e-10 4.33331981e-10 1.23088839e-09
 1.63115441e-08 1.94697822e-08 1.25042061e-04 9.06781247e-11
 7.20410171e-05 1.63603298e-09 1.45003725e-08 1.99827674e-08
 3.52891094e-09 6.63705801e-09 6.63288517e-08 1.64550364e-08
 1.85504789e-11 2.65856660e-11 2.08745954e-09 7.67919825e-11
 2.51047094e-09 1.63657213e-10 2.90635658e-11 4.54417872e-08
 2.69326597e-12 5.25829692e-11 8.82648088e-09 5.43816903e-09
 3.74019621e-10 5.95218388e-11 1.05088799e-10 1.27357025e-09
 3.85696204e-08 9.33789046e-09 5.46696185e-07 8.49326276e-10
 1.90238006e-05 1.18396022e-08 8.31220388e-01 5.46280900e-03
 3.05822978e-05 2.22214119e-04 2.28936606e-05 1.42290920e-01
 2.05153171e-02 1.28938596e-10 5.01915121e-10 1.25715280e-11
 2.58127453e-09 1.58379240e-10 5.41793899e-09 5.85592410e-08
 4.84286300e-09 5.23627421e-07 2.64208322e-10 2.03145191e-07
 5.31239941e-08 4.20042401e-09 8.81301421e-11 3.12414386e-07
 3.35789507e-09 4.21770281e-08 7.09657555e-10 1.72979320e-08
 1.52212166e-07 7.90587318e-11]


0.8312204


58


[3.60241330e-07 9.99948502e-01 1.86691596e-09 2.37270026e-08
 2.37052504e-15 3.00855667e-13 9.81040076e-12 2.87487183e-06
 1.20448373e-10 1.05063749e-10 1.77075650e-12 7.50708651e-09
 1.39359662e-08 1.18694516e-11 1.12609193e-08 7.31588193e-11
 3.65586359e-13 2.85123574e-11 4.01170208e-11 7.79386364e-12
 8.04997941e-13 1.45967087e-13 2.28364168e-11 1.27750310e-11
 5.94647734e-11 5.36904188e-10 2.05718003e-08 1.52354483e-11
 1.02530720e-07 1.86957760e-09 3.87748811e-09 1.41515866e-09
 1.31011708e-08 5.44340739e-10 4.63236454e-08 3.12920141e-11
 3.32215158e-12 4.81644347e-13 2.27043774e-12 1.41563963e-12
 2.59866590e-11 1.27333595e-11 2.45698833e-13 1.74448034e-09
 1.40407773e-14 1.05662970e-11 8.36997693e-11 9.02259448e-11
 5.88843817e-12 1.22333838e-12 1.17278357e-11 5.72209055e-13
 1.02929498e-10 8.02032107e-10 1.18265497e-09 6.78318946e-12
 6.74689915e-10 1.17189203e-10 4.03318882e-05 3.88126000e-06
 1.06577504e-10 1.51159782e-07 6.33826502e-08 2.55725172e-06
 2.25842356e-07 1.86210509e-12 1.54143151e-13 3.71246697e-12
 1.00827775e-11 2.27894356e-10 7.70998199e-09 1.37304852e-08
 9.62917315e-11 3.76566902e-08 1.54304455e-12 5.60908653e-08
 4.93061592e-09 9.13085274e-10 3.07798085e-14 1.17673409e-07
 3.62054462e-12 2.70231532e-10 2.29595912e-10 5.13046272e-09
 5.24493089e-07 3.37424072e-13]


0.9999485


1


[3.81799437e-09 1.93132024e-07 1.16439640e-08 3.10683448e-04
 2.60035998e-13 8.91812874e-11 1.35508479e-11 1.66893188e-09
 3.08037440e-09 9.02683345e-11 2.46778813e-12 5.84959997e-11
 2.57222799e-09 1.83782461e-10 3.24253380e-09 1.42908350e-11
 8.33650579e-11 7.12743065e-09 3.11668330e-10 2.31813879e-09
 1.93950120e-10 2.13971937e-10 3.50404950e-09 5.12176829e-11
 1.42201362e-08 2.24287686e-10 2.55930240e-06 1.27917642e-11
 5.55098359e-06 1.16845145e-09 2.08617901e-09 4.69420680e-09
 1.13538665e-10 1.87943147e-06 1.06100961e-09 3.18597326e-09
 1.67138629e-11 7.77821835e-11 3.59323848e-10 4.19912239e-12
 1.99625005e-09 5.90662172e-11 4.95568950e-12 5.47270718e-09
 3.42946678e-12 4.36973964e-11 8.36644620e-09 1.56339386e-09
 3.79479614e-10 3.03899544e-11 1.20450438e-11 5.94766181e-10
 1.43319658e-08 4.59428140e-09 3.72906483e-10 2.98755222e-11
 2.04325289e-07 4.46148923e-10 2.41541173e-02 1.37284514e-04
 6.74192461e-06 2.31204016e-04 4.62898879e-06 9.75124717e-01
 1.79601629e-05 1.63741208e-11 1.01104707e-08 3.44470871e-12
 1.48121598e-10 4.79706934e-11 7.87951464e-08 7.08831438e-10
 7.03592029e-09 1.97353529e-07 2.96099707e-11 1.76066442e-06
 5.02320463e-10 9.42000145e-10 3.28309518e-10 1.95007410e-09
 7.45398410e-09 4.29283364e-09 1.26751090e-08 5.46383938e-10
 2.90483704e-09 1.35692443e-10]


0.9751247


63


[2.3058412e-05 4.0462543e-04 5.7461168e-08 8.7392918e-06 8.7490648e-10
 1.7621256e-09 1.0839821e-08 3.2252278e-03 3.7916288e-06 1.3256450e-06
 3.2766669e-09 1.4693599e-05 5.1482641e-07 2.6290834e-08 5.1062038e-05
 2.7868023e-07 3.3707673e-07 7.5068645e-05 3.9000068e-05 1.4397332e-06
 1.2830709e-07 2.2861250e-06 5.0635680e-07 2.6590104e-07 2.2370721e-06
 1.8946984e-06 1.3366707e-02 8.6540028e-09 6.6059781e-03 7.3582429e-05
 2.3163004e-06 2.3690056e-06 1.4410437e-06 1.0462192e-06 6.0858630e-04
 3.7075156e-07 4.0002121e-08 3.1225962e-08 3.4840312e-07 7.5785977e-08
 8.2741082e-08 1.8646658e-08 3.6258488e-08 4.7646276e-07 1.0269908e-08
 2.6568898e-08 5.7308125e-07 3.2643254e-07 7.2623600e-08 1.9205384e-08
 1.6639907e-08 4.2144879e-09 5.0578802e-08 6.3327810e-09 5.9481278e-07
 1.0016786e-08 1.4795236e-03 3.3018205e-06 3.2332796e-03 4.8469687e-06
 7.1263094e-03 8.4920299e-01 3.8392063e-02 4.1193226e-03 7.1759619e-02
 1.3348571e-07 3.3345085e-08 4.3927342e-09 5.1640313e-06 1.1172458e-07
 8.4004199e-07 1.3876043e-05 2.3160373e-08 3.7345530e-05 2.8786628e-08
 4.4219301e-05 1.6925628e-06 9.9848876e-06 4.0348787e-08 1.4492937e-06
 2.0754776e-07 6.4857227e-07 4.1941240e-07 4.0300740e-05 3.7801888e-07
 1.9225974e-09]


0.849203


64


[3.3431121e-07 7.9676674e-08 2.1024404e-09 1.5327654e-06 2.2367472e-13
 1.3444733e-10 7.1796761e-12 5.8050606e-08 1.5022856e-09 2.1404587e-09
 4.2532097e-08 7.0967143e-10 1.1118140e-09 8.4051960e-10 2.6338566e-07
 1.2328037e-09 2.0952735e-10 8.8682881e-08 3.0905376e-09 7.4306885e-09
 1.9084380e-10 1.6748535e-09 1.5290038e-07 4.5933410e-10 6.3117383e-08
 2.6937812e-08 6.6163841e-05 7.5964991e-11 1.7290354e-06 9.0335367e-10
 4.9969162e-10 1.3429363e-09 2.0526350e-11 2.5718967e-07 7.5427622e-11
 4.8920112e-10 1.1050053e-11 6.3582815e-12 1.0280534e-10 6.2017856e-11
 7.6991657e-10 9.4522784e-12 4.5049489e-12 2.1154662e-08 2.3567780e-13
 2.4903839e-13 9.1687619e-10 6.4645356e-08 1.2154765e-10 1.2419170e-11
 2.0628709e-11 1.0756756e-11 8.6426164e-09 1.2603632e-11 7.8937852e-09
 8.6215948e-12 6.8515490e-08 1.0419793e-09 1.5970740e-02 4.9504713e-04
 2.3841556e-08 4.7081681e-05 6.6953265e-07 9.8341388e-01 1.7411013e-08
 1.9527825e-10 3.6346506e-10 2.7988926e-13 1.3388844e-10 6.8241503e-11
 5.4700795e-08 7.1726247e-09 3.4543062e-09 8.6249194e-08 5.4759589e-11
 7.0150719e-08 5.0085644e-11 1.7269307e-10 2.2578522e-10 1.0027542e-08
 4.6671153e-11 8.2070013e-09 6.2582703e-09 1.8024873e-10 1.2010730e-06
 8.1687391e-13]


0.9834139


63


[1.4647813e-07 2.7797668e-07 4.4654896e-12 3.8802379e-09 1.2138679e-13
 9.5851842e-12 1.9933003e-12 1.4799076e-09 7.6551601e-09 7.9716768e-11
 7.7599427e-10 6.3040053e-09 1.4345318e-07 1.5897690e-10 5.2151586e-06
 6.4040015e-12 1.4655005e-13 3.5086302e-11 1.3148789e-10 1.6204064e-11
 5.6149025e-13 1.7834383e-13 5.8125577e-11 1.2523807e-10 7.2426252e-11
 1.2354432e-06 3.0113412e-08 6.2516572e-12 5.0358362e-09 6.5145224e-12
 7.3057744e-13 2.0080317e-10 3.9139150e-10 5.8203763e-12 2.3012252e-12
 8.6648458e-12 6.8885530e-14 7.4812755e-14 3.3234045e-12 9.9863850e-12
 2.6080973e-12 4.5879273e-13 5.6137217e-14 6.2565908e-10 9.4165262e-17
 7.0625431e-14 6.9685403e-11 3.3165609e-11 1.6536729e-13 1.9088967e-12
 3.2297854e-12 7.7124884e-14 4.9482064e-11 1.7556010e-13 2.3127895e-06
 2.4821625e-10 8.1144043e-11 3.9090269e-11 7.2041189e-07 6.1439032e-10
 1.2801391e-11 3.1697438e-09 1.1264112e-08 3.4658804e-08 3.1085481e-09
 3.0523886e-11 3.1964292e-15 6.2043849e-14 2.5557991e-12 2.3870666e-11
 2.1589979e-13 1.0178117e-09 4.0675286e-11 1.1185950e-11 2.9318147e-12
 6.7473002e-12 8.8767231e-12 1.1856045e-12 3.3315690e-14 2.5103100e-10
 6.2591913e-14 2.8382349e-10 1.9796374e-12 5.1045856e-12 9.9998987e-01
 2.1905022e-16]


0.99998987


84


[1.33794516e-01 1.28635598e-04 6.60792843e-09 8.65955949e-01
 1.11035608e-11 3.41065807e-08 3.58412522e-10 1.31033767e-10
 1.82962567e-09 5.05012165e-09 6.26997176e-10 6.36511455e-10
 1.47533596e-10 1.84724005e-08 3.26916933e-07 2.11832843e-11
 2.00679556e-10 1.33572570e-10 1.74935522e-12 2.28159588e-10
 8.29255484e-11 3.48623040e-11 4.75979611e-08 1.96810818e-10
 2.16091856e-09 7.16161594e-07 3.80680035e-07 5.56457935e-10
 4.84715272e-08 1.03571464e-10 7.57812979e-11 8.07558376e-09
 2.26574777e-08 4.59143079e-09 4.54266541e-10 3.34513004e-08
 7.84774069e-12 6.13365305e-12 1.81572091e-08 3.14251836e-12
 8.97255692e-09 8.77319675e-11 2.32084664e-11 1.42538856e-05
 1.42485958e-13 1.93803168e-10 8.86640095e-09 2.94662161e-08
 5.54810451e-12 1.21213814e-12 2.40007840e-11 2.33477704e-09
 1.15094174e-08 5.40130804e-06 6.02608634e-05 8.32495128e-10
 1.81180557e-11 1.62035437e-11 1.95258508e-05 1.07071109e-07
 3.98131306e-09 2.20567088e-07 6.51157166e-07 9.92535934e-06
 5.87455190e-07 1.33312772e-09 2.91704971e-09 1.87715295e-12
 8.79269053e-12 1.42549028e-09 4.52175586e-09 1.15989669e-10
 1.08320108e-09 5.35197553e-10 8.22783786e-10 8.26764648e-08
 1.46494217e-09 1.13002629e-09 3.37861579e-11 1.43557694e-10
 5.03600529e-11 1.03499726e-11 4.47401405e-09 2.26692319e-12
 8.05890795e-06 5.02699824e-13]


0.86595595


3


[7.46211811e-07 1.15658522e-05 2.04307837e-09 8.48673881e-06
 8.42758641e-10 4.08153580e-11 7.82570050e-11 1.21178045e-08
 1.18451374e-06 1.86868802e-11 8.38508863e-12 2.89199376e-09
 1.05328766e-07 1.40630813e-10 1.08659504e-09 7.36774330e-09
 2.73102410e-06 4.17381649e-08 8.41257464e-09 7.75992248e-09
 5.41819070e-08 5.88937676e-10 1.22146093e-09 8.45489723e-09
 2.36432012e-08 8.78499273e-10 9.31985369e-08 2.20698126e-08
 2.41981428e-02 1.59074174e-04 3.40505213e-01 2.88911606e-03
 2.11241111e-01 1.21860998e-03 4.19707030e-01 1.56496717e-05
 7.29221696e-08 1.21160210e-05 8.19968477e-07 1.25080828e-06
 8.50046035e-06 4.78459469e-07 3.70541464e-08 4.40650865e-06
 6.55687016e-09 9.55998189e-07 1.61437595e-06 1.60694447e-06
 1.20230055e-07 1.37407091e-11 1.75324843e-07 3.03043909e-11
 2.15617462e-07 1.47787205e-09 2.17644445e-08 2.65053170e-11
 3.41162192e-08 1.82342885e-09 3.89803660e-07 5.46964003e-08
 4.95395227e-07 1.06642844e-07 5.25010080e-07 3.54296614e-09
 6.73090710e-07 1.70366901e-10 3.27029431e-10 7.31666727e-10
 2.31802619e-10 2.60319277e-09 4.54018937e-06 1.01238529e-09
 1.47394310e-08 1.35816447e-06 7.00563718e-10 1.08755083e-09
 2.08982598e-07 9.46109147e-09 3.57409102e-10 4.62294665e-08
 9.53721477e-11 1.21918529e-08 8.41039564e-12 1.42048400e-08
 9.38331191e-09 6.16342255e-11]


0.41970703


34


[1.40887676e-06 2.03373176e-08 1.26235185e-11 9.99989986e-01
 3.53569547e-08 4.67173349e-11 1.64938115e-11 1.70540163e-13
 1.03176614e-12 2.21607867e-12 1.38492251e-09 4.73764040e-12
 1.49253147e-12 4.61109970e-12 5.30815851e-06 2.23048381e-12
 9.34268288e-12 3.10157622e-10 1.66221507e-12 6.55877741e-10
 3.85178660e-11 8.15226879e-12 2.71294243e-06 2.35322976e-11
 5.63998459e-10 4.95014238e-11 4.19935302e-11 5.08843781e-13
 6.25013818e-10 4.27620092e-12 3.20138745e-13 6.20643944e-12
 1.18809988e-11 7.05092235e-12 3.99901084e-11 9.98567340e-10
 1.95111004e-13 6.10415445e-14 1.53159370e-08 3.72753891e-14
 1.55082891e-10 2.07320662e-12 1.37112806e-14 5.01924724e-09
 1.80295846e-16 3.42454438e-14 4.50129690e-11 3.03249613e-11
 3.86374689e-13 1.14881882e-15 2.73007284e-13 1.64247140e-11
 7.45895068e-10 1.95572464e-11 1.42706668e-07 4.30129328e-14
 6.66009499e-17 3.35085239e-15 3.81882970e-08 1.30514011e-09
 9.02284913e-11 2.91521509e-08 1.44255691e-10 5.75498468e-11
 2.76559131e-09 1.76286433e-11 3.59923515e-11 5.80019323e-13
 1.10951916e-12 5.53034398e-12 1.30791506e-07 4.29496065e-12
 9.12977268e-13 1.05312833e-11 2.06234994e-11 9.10633791e-11
 5.42482595e-12 2.29146823e-11 1.42567893e-11 1.07365516e-12
 5.45441073e-14 4.23778342e-14 2.30637228e-11 1.37392852e-15
 5.20937515e-09 4.01079672e-15]


0.99999


3


[3.6267090e-06 1.3910283e-04 2.3336817e-09 3.5720796e-04 2.9192518e-10
 2.3390561e-09 6.8775567e-09 8.4551475e-06 1.0803419e-06 1.5161080e-08
 1.4338891e-09 6.3746237e-11 1.1819539e-08 1.4369986e-10 3.1365917e-07
 3.5376216e-10 2.2048316e-07 6.6330887e-07 2.0942991e-08 6.1337239e-08
 1.0493264e-08 9.3726593e-10 3.2164169e-07 1.1647013e-07 7.2738044e-07
 1.6641474e-08 5.5829583e-05 1.5771931e-10 5.7221030e-08 1.5444524e-05
 2.4087208e-09 7.7779818e-09 1.1561111e-06 7.9897464e-11 1.5889929e-05
 3.3046763e-06 6.9801981e-10 6.1882695e-09 3.3040266e-08 1.4999082e-09
 6.6697368e-08 5.2079647e-09 2.8112981e-09 2.2265706e-07 7.9745210e-11
 3.6915420e-09 2.6522473e-09 5.9513624e-08 6.4948811e-09 2.3511394e-11
 7.5238793e-10 2.8632925e-09 7.6174382e-09 1.8394697e-08 8.8230195e-07
 9.9266866e-11 8.2209981e-06 2.8158033e-07 1.1089039e-03 4.7548646e-03
 2.2877078e-04 1.4359844e-05 1.3775844e-02 5.4735565e-06 9.7949696e-01
 1.7098249e-09 1.4060225e-07 1.1174278e-09 8.8228251e-09 1.8485428e-09
 4.8866207e-07 4.8291856e-08 1.4066809e-09 3.7974993e-07 4.0060915e-09
 2.1099069e-09 1.2755829e-07 5.3074452e-08 1.9442999e-10 1.4771562e-08
 2.1718187e-09 7.8445348e-09 3.3571126e-09 2.8936091e-09 9.4860955e-09
 3.4852461e-11]


0.97949696


64


[7.19657510e-06 4.84064276e-06 4.86319266e-07 1.61600201e-05
 2.92392266e-09 2.51559005e-08 3.33957462e-09 1.37780939e-04
 8.50795630e-08 7.23655669e-09 3.62850869e-07 8.62835636e-10
 2.15833538e-07 2.15753371e-08 1.10318497e-05 1.92648653e-08
 8.04072215e-07 5.85915372e-02 2.43444127e-04 1.30704075e-05
 2.24938347e-07 6.42442444e-07 2.62652463e-07 7.63385003e-07
 4.24574864e-06 6.18277340e-08 4.94125416e-04 1.33527580e-08
 8.96383699e-06 2.15826149e-05 3.35014754e-08 2.18142180e-08
 5.27299555e-08 2.01533155e-08 1.91673712e-06 7.95666529e-06
 3.29746612e-08 5.10435250e-08 8.89988655e-07 5.15145615e-08
 5.93665902e-07 8.47510506e-09 4.42119124e-08 6.84437236e-06
 3.82998078e-09 9.17330478e-09 9.78724728e-08 2.67595397e-07
 1.08032459e-07 2.73073786e-10 2.09438671e-08 7.50407807e-08
 2.35959988e-06 3.76992126e-08 2.44877992e-06 5.27509547e-09
 1.64600916e-03 1.32221123e-08 7.49220669e-01 1.33630097e-01
 1.08364875e-04 1.41214672e-02 9.89523600e-04 3.84240374e-02
 2.26552156e-03 1.01320282e-07 3.06276945e-07 9.08210895e-10
 5.55529141e-07 3.23934671e-07 6.80221490e-07 4.51902373e-08
 1.23239232e-07 6.97121641e-06 7.00646723e-08 1.76155339e-07
 1.25608437e-07 9.33650028e-08 1.14324878e-08 1.91228946e-06
 8.86462281e-09 1.52408745e-07 1.54841828e-08 5.74537694e-07
 1.76487603e-07 4.19545776e-09]


0.74922067


58


[9.7183303e-08 2.5240485e-07 7.4651513e-10 2.5696945e-08 2.0357278e-13
 6.4046969e-11 4.0544672e-11 8.1594507e-08 1.9575175e-08 3.8083273e-10
 2.4125063e-10 2.3685147e-12 1.4025949e-08 1.1166885e-11 1.2143495e-08
 2.1854945e-11 1.0416179e-09 4.0142234e-07 3.1143328e-09 1.8472902e-09
 1.6355373e-10 1.1034162e-10 2.3957553e-10 9.4592711e-10 2.7292240e-08
 1.0868512e-08 6.4491383e-06 6.5274409e-12 1.8016055e-09 2.4266200e-09
 2.3011427e-10 7.5022891e-11 3.1315095e-10 2.2582590e-13 1.4739884e-07
 4.5238893e-10 3.5641848e-12 1.8001337e-11 9.2700342e-10 3.2256545e-11
 3.8717174e-10 3.4425306e-11 1.1404020e-11 5.1868920e-10 1.5427622e-13
 2.3891958e-12 3.5322432e-11 8.8580387e-10 1.8408282e-10 2.9491320e-12
 2.5706074e-11 8.4888922e-11 2.1120421e-10 2.5750549e-10 1.5437678e-07
 1.7171231e-11 4.4504948e-05 1.6758159e-09 3.2401842e-04 4.4712923e-02
 1.6317883e-07 1.3661935e-06 1.3500400e-06 7.6037009e-05 9.5483178e-01
 1.4808273e-09 2.0197269e-10 5.5579712e-12 2.4200657e-09 7.8853798e-12
 2.4780891e-09 3.1206785e-08 1.8169370e-10 4.9759517e-08 3.6577814e-11
 5.4018234e-10 2.3441290e-08 1.2303994e-08 7.0560159e-12 2.8610301e-09
 4.5219117e-11 1.0633403e-08 7.7811584e-11 1.1358641e-09 2.4287408e-09
 1.2562183e-12]


0.9548318


64


[1.4475829e-06 9.9998713e-01 5.9676125e-11 3.8364556e-09 1.6127695e-16
 2.7503949e-14 9.2706762e-12 9.0056701e-06 1.6568429e-11 2.7218634e-11
 2.1020955e-13 7.9218117e-09 9.5838881e-10 1.5294959e-12 6.4107070e-08
 2.2505893e-11 1.2913020e-13 1.5766953e-10 4.6049099e-11 6.3511636e-13
 1.0051287e-12 2.0851910e-14 1.9329848e-12 8.8962422e-12 2.9331447e-11
 1.1814691e-10 1.6270312e-09 3.5462264e-13 1.7728309e-10 3.5000433e-08
 3.8981362e-12 1.0470222e-12 2.1970987e-09 5.3591297e-14 1.8257952e-10
 1.0334240e-11 7.4138709e-13 6.4207212e-14 9.6455081e-13 2.0233980e-13
 9.3940231e-13 6.4073136e-14 1.9972125e-14 2.5637090e-10 9.4605756e-16
 7.8257702e-13 4.1351704e-13 7.6500731e-13 7.9267478e-14 2.0698836e-14
 2.0880947e-12 8.8477863e-14 1.2353299e-12 1.9408770e-11 3.3839687e-09
 2.0486213e-12 1.8374864e-08 1.5476235e-11 9.6652991e-07 4.7830457e-07
 6.9965020e-11 1.2019514e-07 4.2631291e-07 8.2143984e-08 9.0549896e-08
 3.0330891e-11 2.1737474e-13 8.7857369e-13 1.3450570e-12 1.6388627e-10
 1.2815819e-11 4.8761408e-09 2.4300709e-12 7.4310025e-09 4.2707908e-13
 2.2210986e-09 3.3903516e-09 3.0465228e-11 3.4610216e-16 2.9218910e-09
 1.9342451e-13 3.7171967e-11 7.0554092e-12 5.8952150e-09 6.5344786e-08
 5.0235754e-15]


0.9999871


1


[1.35446015e-07 5.02335297e-07 7.93228705e-10 2.30477727e-03
 3.40166372e-12 3.09597126e-10 2.18675494e-10 1.46759376e-07
 2.71747740e-06 1.84265947e-09 7.07754298e-12 6.36320385e-10
 1.43302088e-06 2.12087889e-10 1.22564225e-08 2.03688844e-10
 1.04771383e-08 3.34914489e-07 8.72219275e-09 2.04929815e-08
 4.19176638e-10 5.92053073e-11 2.48581045e-09 6.05063555e-09
 1.40663774e-08 5.94910832e-09 1.39395615e-05 5.97144070e-11
 3.02810349e-06 2.78537977e-04 3.52574150e-11 2.79041368e-09
 2.01234343e-07 1.46987533e-09 1.34957679e-06 8.52037516e-08
 8.25013058e-10 3.07012082e-10 3.86842025e-09 1.92305477e-10
 1.67803655e-08 7.22792826e-10 1.57460101e-10 4.52186510e-09
 4.12176413e-12 4.63865647e-11 9.47818157e-10 2.02425188e-09
 6.94211411e-10 9.87514376e-11 1.04501350e-08 1.66749425e-09
 1.61617864e-09 3.59371626e-08 7.21972384e-08 2.13723594e-10
 1.65214107e-04 4.81916160e-08 1.60027430e-05 6.92334143e-05
 1.55170390e-04 7.47473910e-03 8.76395226e-01 2.57652579e-03
 1.10535078e-01 2.94620328e-08 2.74060795e-07 4.08695300e-11
 1.16120971e-08 3.11760590e-10 5.40994138e-09 1.71820371e-08
 3.77356502e-09 2.53329432e-07 1.42186685e-09 6.96073599e-08
 6.71294700e-08 1.77951648e-07 1.62945005e-10 1.83708670e-09
 1.11115939e-09 1.33709230e-08 5.56213742e-09 4.47420598e-06
 4.03280893e-08 3.12161047e-10]


0.8763952


62


[1.11720823e-04 2.53196340e-04 6.04903562e-06 5.99873718e-04
 1.31152532e-07 1.78505800e-07 3.28411005e-07 8.57252890e-05
 1.97200393e-06 3.59733076e-06 4.58460008e-08 4.42250785e-05
 2.93246430e-05 1.35545724e-06 3.63324834e-05 2.05071519e-05
 5.23252565e-05 2.12199092e-02 7.44567346e-03 1.25175822e-04
 1.00559873e-05 1.50181677e-05 1.68567974e-04 2.69508982e-05
 2.96765102e-05 4.61424725e-06 5.26302541e-03 1.36927540e-07
 2.32622806e-05 1.23755881e-05 6.59686492e-08 3.20383765e-06
 1.35598029e-07 3.92147604e-06 7.21667166e-05 2.70880196e-06
 2.66153643e-06 3.14158058e-07 3.87646242e-06 3.89829076e-08
 6.19628918e-06 1.62748194e-07 1.05991091e-07 1.00429372e-06
 1.42715919e-08 2.01789465e-08 7.03721241e-07 1.65655877e-06
 4.09605718e-07 1.30611198e-07 6.07939512e-07 5.62913374e-06
 6.02286434e-07 8.25902771e-06 1.37519455e-05 1.88078502e-07
 4.00647055e-04 3.37990627e-07 2.55624345e-03 2.30050326e-04
 1.21153623e-03 9.39789414e-01 4.49155305e-05 2.27662944e-03
 1.73023716e-02 1.79823674e-05 1.88655627e-04 1.75028120e-07
 1.11713271e-04 6.25510938e-06 1.99404039e-05 6.83732424e-06
 1.11615122e-07 3.07053306e-05 9.54224674e-07 4.26607357e-06
 3.24274129e-06 1.59729825e-05 5.16644775e-07 5.45117928e-06
 2.88837623e-06 1.09578332e-06 1.94879049e-05 1.82879630e-05
 1.32231489e-05 3.87302748e-07]


0.9397894


61


[6.86496933e-05 1.66494847e-05 5.69611869e-09 3.54519812e-04
 3.34843655e-08 1.39717386e-07 1.04094022e-08 2.67536438e-04
 8.07542237e-04 4.54471956e-06 6.01086336e-09 1.93406231e-06
 6.02317550e-06 4.14899546e-08 1.24182752e-05 4.53727694e-07
 4.26661136e-05 1.47870698e-04 6.47528577e-06 2.99592853e-06
 8.34871656e-08 2.17601723e-07 9.20833315e-07 3.54393683e-06
 2.55417012e-06 1.04383216e-03 1.35463774e-02 1.06635927e-08
 7.16302358e-03 1.50741339e-02 4.18153803e-07 1.40280486e-06
 1.13893984e-04 1.78036153e-05 6.01111096e-04 2.43639861e-05
 2.26559655e-06 1.25729230e-06 1.49281605e-05 2.84707380e-06
 2.28335412e-05 7.98397082e-08 3.32547444e-07 1.33880139e-05
 3.65568376e-08 4.70166057e-08 6.75813794e-07 1.40769646e-06
 1.82084435e-07 1.34799990e-07 1.22618928e-06 1.29422190e-07
 9.91295110e-07 4.31859917e-06 1.47437284e-04 4.57181670e-07
 1.92640105e-03 6.50414540e-06 1.07046777e-04 6.75349293e-05
 8.59376013e-01 1.87564753e-02 5.50191849e-02 1.51783423e-02
 9.74010397e-03 2.70291480e-06 3.21323532e-05 5.73988546e-09
 7.92290393e-06 4.69277275e-08 6.96928382e-08 2.13593376e-06
 5.91863625e-08 1.21888434e-05 6.79262655e-08 1.63808863e-07
 5.43474073e-07 8.38929793e-07 3.67912212e-09 5.88871558e-07
 1.53967861e-07 2.92633104e-07 2.44390804e-07 2.01143281e-04
 1.20473678e-05 8.77874162e-10]


0.859376


60


[1.0774383e-05 2.9169575e-08 7.2747888e-12 3.5235577e-09 1.2569300e-11
 5.9689226e-10 1.7141375e-11 3.7977776e-10 2.6267369e-07 1.7090684e-10
 2.3651817e-08 4.4200794e-09 1.7862978e-07 7.6950091e-10 3.8246184e-05
 8.5533775e-11 2.1580628e-11 1.5652610e-09 3.4721073e-09 1.3014194e-09
 1.4989635e-11 7.6673988e-12 4.3888682e-10 5.6590639e-09 4.5703993e-10
 5.0212137e-05 3.2532773e-07 2.4934464e-11 9.9232877e-10 4.7574722e-09
 3.6928654e-14 4.8873072e-11 7.7185575e-10 4.6099942e-12 3.3920221e-11
 5.3128002e-10 1.3516951e-11 2.4169789e-12 1.2154627e-09 2.0656145e-11
 1.5435671e-10 3.8966326e-12 7.0138387e-12 4.9210893e-09 1.9137627e-14
 5.2331762e-14 2.1565116e-11 1.4226401e-11 8.9613576e-13 3.2648129e-12
 3.8259657e-10 9.0594540e-13 1.0353522e-09 5.5990329e-10 2.0081214e-04
 9.2631697e-10 1.0020460e-09 1.9251663e-11 1.3433132e-08 3.3562547e-10
 2.8373870e-10 2.4361370e-07 2.4804768e-08 2.3681281e-09 8.7052667e-09
 8.1705762e-09 7.4925699e-12 3.6572869e-13 1.8719962e-10 4.2866093e-11
 5.7866133e-14 5.8973576e-10 1.0347135e-11 1.4823594e-11 1.0839387e-10
 1.6733346e-11 4.9963566e-12 1.2186952e-11 1.3042579e-12 2.6518463e-11
 4.2507339e-12 1.0974749e-11 4.2519499e-12 1.8914137e-09 9.9969876e-01
 2.1096478e-15]


0.99969876


84


[9.5814848e-01 3.9802315e-05 9.6747769e-08 3.7154954e-02 1.0916109e-12
 7.8069775e-08 8.6054032e-11 5.3086376e-11 4.1848656e-07 1.8444711e-08
 6.2784125e-11 2.2650519e-10 3.3548297e-10 7.4544975e-09 2.8093943e-08
 1.4360138e-10 6.9536985e-09 2.9101643e-11 9.6167675e-12 2.2959157e-11
 3.8706838e-10 2.6818331e-11 4.1520294e-09 2.3197969e-10 2.7730304e-10
 8.6625278e-08 1.5160671e-07 9.4904273e-10 2.5812186e-08 5.3335818e-08
 1.6433657e-12 1.5371823e-08 2.2121963e-08 1.7603380e-09 3.9576662e-08
 9.8313315e-08 1.6937628e-09 1.0404394e-11 6.6997579e-08 6.1683041e-12
 1.0455542e-07 1.1630353e-09 3.8692810e-10 1.2002746e-05 7.1269379e-14
 3.4343983e-11 3.6966896e-09 3.0779336e-08 1.0812834e-11 3.1555854e-12
 4.6788058e-09 5.6236993e-09 1.2074622e-08 2.5428047e-03 2.0676206e-03
 2.4281059e-09 3.1333139e-10 2.5351948e-10 4.6919749e-07 1.5800154e-07
 2.2635730e-08 2.5925538e-05 5.0781550e-06 2.8574101e-08 5.1081355e-07
 2.0889487e-07 3.0420516e-08 4.5259820e-12 2.9929198e-11 6.0341737e-10
 6.5862893e-10 1.6736972e-10 8.4343821e-09 4.9166243e-10 1.7620143e-09
 6.3957216e-08 4.3860529e-09 3.4034933e-08 2.3426592e-11 2.0663814e-10
 1.7182746e-09 5.7497576e-11 6.1006848e-09 4.3608811e-11 5.6752543e-07
 1.8526869e-11]


0.9581485


0


[1.63090135e-07 5.27381196e-08 1.40472842e-10 9.99746025e-01
 7.60634278e-10 5.41341620e-08 1.48135827e-11 2.42603073e-12
 3.56389251e-10 1.37808417e-10 2.02550268e-11 2.43897068e-12
 3.96359123e-09 1.22336724e-10 4.39349179e-09 2.49035493e-12
 7.70445219e-09 1.22756170e-08 3.60252717e-10 3.04649889e-10
 9.23490034e-11 4.21822854e-10 3.46054918e-07 3.68981623e-10
 1.25082511e-09 8.57927132e-11 4.45761344e-07 2.78910419e-11
 6.01488978e-07 1.94229506e-06 5.75774931e-12 2.72693672e-08
 3.04647294e-08 4.69608409e-07 3.17767643e-08 2.28972006e-08
 3.02965519e-09 2.49030518e-10 1.13047099e-06 2.55979179e-11
 7.13301824e-06 3.30276390e-10 2.64744504e-10 1.88992581e-05
 2.14607520e-12 1.15217495e-10 9.99175298e-10 2.76440151e-08
 2.52051938e-11 2.47481566e-11 4.79021045e-10 4.69754369e-09
 1.08380981e-07 5.49163474e-07 3.02537062e-09 3.62293398e-12
 1.38507192e-11 8.34709663e-11 5.10780728e-06 4.94239600e-08
 4.17203846e-05 1.29324735e-05 1.45224607e-04 1.57299582e-05
 8.12530629e-08 1.24735449e-08 1.00371039e-06 4.18138993e-13
 2.15129737e-11 3.70743644e-11 8.93987906e-09 8.60354336e-14
 7.99838507e-09 3.11752950e-11 9.58296553e-10 4.31099645e-09
 1.70438815e-12 2.14494089e-09 3.20102611e-10 5.32222487e-12
 3.62188879e-09 2.48763011e-12 3.91312482e-10 4.89731519e-12
 5.74885584e-10 2.68387612e-12]


0.999746


3


[1.13373169e-07 2.35670061e-08 1.14010590e-09 1.59210572e-06
 4.12066576e-08 1.71963691e-12 1.51505614e-11 2.21339502e-09
 1.34396132e-07 7.64388466e-12 1.28451083e-13 1.54006072e-10
 1.33242377e-08 4.32128153e-11 1.22132737e-09 3.30727978e-08
 3.74654905e-06 1.20209279e-06 5.35730351e-07 6.88225654e-08
 4.35351710e-09 1.18667176e-09 1.80540072e-09 1.85086506e-08
 8.44428305e-10 9.69734362e-11 1.08004954e-07 1.72213421e-09
 2.61159763e-02 5.11513464e-03 1.35100236e-05 8.69122803e-01
 2.07364676e-03 1.22479827e-03 9.63183716e-02 8.78968791e-08
 6.16715568e-08 9.48708930e-07 2.73986188e-07 4.43009895e-07
 4.15645582e-06 3.34396191e-08 4.70967820e-10 1.93358687e-07
 4.28984709e-10 6.43247322e-09 1.32756597e-08 1.29127807e-06
 2.88434565e-09 9.37159378e-12 3.01784446e-08 2.40478254e-12
 2.29068906e-08 4.74348560e-10 5.09953324e-09 3.33254962e-13
 1.97385397e-08 1.65868941e-09 2.99626741e-08 8.69559869e-10
 2.44171634e-08 4.57758318e-07 1.03390354e-08 5.80997805e-10
 3.75767906e-09 1.58806260e-10 2.85039128e-11 8.07204217e-12
 2.60957159e-11 8.62325211e-11 3.52412144e-08 8.99064406e-13
 8.09455947e-10 6.63688056e-08 6.15876516e-11 1.43029075e-10
 6.48363807e-10 1.23735209e-08 3.57470520e-12 6.41580922e-09
 3.71650488e-11 8.64357586e-10 1.79943354e-12 2.38405207e-09
 8.56428095e-10 2.14205563e-11]


0.8691228


31


[3.5926396e-07 1.6556368e-06 7.8914691e-10 9.9970168e-01 1.5563104e-06
 6.2042510e-11 5.7829284e-12 6.3183191e-12 1.3060592e-12 2.1925109e-10
 1.0267789e-09 2.7457871e-12 1.1231827e-11 2.4903111e-12 2.3145368e-04
 1.4973378e-09 1.4752952e-11 2.4325084e-11 4.8531280e-11 6.4328493e-10
 1.6202861e-10 3.9259502e-11 4.1437641e-05 3.3865064e-10 2.4513730e-10
 1.2755001e-12 4.5413459e-10 2.7010063e-12 2.9769787e-08 1.0515699e-08
 6.5972550e-14 3.6461401e-09 3.8770116e-09 1.3755266e-07 9.6738118e-10
 7.9674569e-09 2.0150284e-11 2.4646089e-13 5.1222355e-09 3.5943750e-12
 1.7761497e-09 1.4091260e-10 4.0990797e-14 6.5318879e-09 1.2367913e-14
 3.1001333e-13 4.6043332e-11 2.7003124e-11 8.4935677e-13 5.5067269e-14
 9.4740717e-12 3.7591354e-12 1.1637747e-09 2.4062403e-09 9.2123518e-09
 6.5771776e-14 2.5237518e-14 6.9487085e-15 1.6304439e-08 5.9988174e-11
 4.4482935e-11 2.1233600e-05 3.6329831e-10 1.9334978e-09 2.3512967e-10
 1.5933005e-12 6.7306408e-12 8.5349463e-13 8.5050939e-13 4.2621536e-12
 2.9300102e-07 1.9124338e-13 1.2710347e-11 2.7707725e-11 4.8441112e-11
 2.1575819e-09 1.0860517e-12 3.9325224e-11 3.1254329e-12 1.7513408e-12
 1.5475845e-13 2.8683212e-12 2.5259999e-11 7.6558584e-13 1.3845074e-09
 2.7610906e-12]


0.9997017


3


[1.0999938e-06 1.6850907e-04 5.3918622e-08 1.0163769e-03 1.0941734e-10
 8.7388326e-11 1.4792227e-10 1.4239330e-07 2.8233615e-07 4.4691353e-07
 8.2507161e-12 2.3185708e-10 3.2462682e-07 4.7032942e-09 8.4899352e-07
 9.3370090e-08 1.7305817e-09 2.5113196e-09 2.2845248e-09 1.7400158e-08
 1.2711294e-09 1.7634383e-10 3.1959562e-08 1.7817648e-08 5.6223892e-09
 4.0318182e-10 1.9700827e-05 1.9593153e-10 9.1980156e-03 4.1803456e-04
 3.6089480e-09 2.6749555e-04 6.6105457e-08 2.7315802e-04 5.4186626e-06
 1.4048610e-06 8.4779916e-09 4.9812932e-09 5.9845938e-08 1.8983972e-09
 2.6016513e-08 8.8968610e-10 1.6387812e-10 4.3651247e-07 4.7505864e-11
 5.1744897e-10 2.8310390e-08 2.9273826e-07 5.0578652e-09 1.8297834e-10
 3.9321932e-09 2.0459883e-09 3.6407670e-08 2.6612636e-06 8.3553019e-08
 4.3997070e-10 1.3550055e-06 5.6089786e-09 6.9017522e-04 5.6730181e-07
 5.9940189e-06 9.8099536e-01 4.7581456e-05 6.8773925e-03 4.2830579e-06
 5.4176153e-11 1.7181955e-09 6.2588129e-11 3.9954329e-10 3.8471315e-09
 1.6873604e-07 5.0426650e-09 7.8721198e-09 5.4980734e-07 2.5213351e-10
 3.8695401e-07 3.0909341e-08 1.6126752e-07 9.2800262e-10 1.0742057e-07
 1.6913186e-09 2.4544579e-07 1.1468622e-08 2.3358211e-07 2.9972249e-08
 6.1325212e-09]


0.98099536


61


[5.01053692e-05 1.36768387e-04 4.54410974e-06 2.87293980e-04
 5.93127858e-08 1.51972273e-07 7.78922811e-08 2.43307470e-04
 2.81702143e-07 5.03686033e-06 8.21707502e-08 3.88237868e-06
 2.78505468e-05 8.35175001e-07 5.11313337e-05 6.29696478e-06
 8.39601569e-07 6.69250684e-03 1.70848425e-02 7.16214417e-05
 2.34326467e-06 2.71692479e-05 7.17007561e-06 4.65851599e-06
 5.92504875e-06 1.75556988e-06 8.85845220e-05 1.16677185e-07
 4.07775700e-01 4.49189059e-02 4.71719545e-07 4.07047128e-06
 1.00589896e-05 2.03798409e-03 1.08749970e-04 3.71225397e-05
 2.97991363e-07 1.28235783e-07 1.61468677e-06 6.78259880e-07
 2.66918363e-07 2.63284005e-06 6.26303290e-07 1.25884226e-05
 8.20939050e-08 8.51061515e-08 8.96382517e-06 2.57322927e-06
 7.41153599e-07 3.12852251e-08 1.54532734e-06 5.23269023e-07
 4.91520996e-06 7.31420471e-08 9.57249284e-08 1.47673788e-07
 1.69233244e-04 1.29034208e-06 2.97439331e-03 9.58166856e-05
 6.90764003e-03 4.13102746e-01 4.51679677e-02 4.68445793e-02
 2.92739738e-03 4.31314049e-07 4.25872571e-07 3.29458594e-08
 6.37665562e-06 2.55253713e-06 7.14414455e-06 2.67330070e-05
 2.44800412e-06 1.79992412e-06 4.77887397e-06 7.48504681e-05
 3.98409838e-07 2.74944359e-05 2.46368302e-07 1.39644908e-06
 2.84759631e-06 8.72665896e-06 8.84880501e-06 1.87321787e-03
 6.31956027e-06 1.49370944e-05]


0.41310275


61


[2.94533677e-08 3.54308270e-07 1.79890005e-08 1.78821429e-05
 5.24652262e-13 6.80171468e-13 4.45577776e-12 2.76745791e-08
 6.66863187e-09 5.76403636e-09 1.90749963e-13 1.65176175e-08
 1.30796593e-07 2.44718995e-10 5.98713967e-08 6.00748651e-09
 5.91027227e-11 7.24590121e-09 3.24884764e-09 2.93865043e-10
 2.06441392e-11 1.64740888e-10 2.76323164e-09 2.07997242e-09
 4.31956526e-10 4.83149389e-11 5.46900037e-06 3.82541611e-12
 1.10356335e-03 1.45664380e-04 8.83525531e-10 3.37758297e-06
 4.36182229e-10 1.28588890e-05 2.91289041e-07 1.21616106e-09
 1.50496934e-10 9.02257991e-11 4.88633489e-09 3.98897554e-10
 3.76052717e-10 6.48267620e-11 1.03819505e-11 3.24349365e-08
 1.11180802e-12 5.28557961e-11 9.87198501e-09 1.45998635e-09
 1.85663526e-10 3.90395632e-11 7.29108857e-11 1.94114325e-11
 1.35229239e-09 1.35329348e-09 3.61183167e-10 1.81984716e-09
 1.60673517e-06 4.38472947e-09 5.06501965e-05 1.76990412e-07
 9.69005225e-04 9.68514681e-01 1.44031466e-04 2.90184002e-02
 1.08158338e-05 1.64065064e-11 1.23489760e-10 1.35666164e-12
 4.87013319e-10 5.82151757e-11 5.49025048e-09 1.60084090e-09
 4.08728251e-09 1.50432786e-08 1.10581343e-10 2.87954016e-08
 1.13876175e-09 5.95630638e-08 2.94809212e-11 2.81522783e-09
 2.00926809e-09 1.05879494e-07 1.99791073e-09 4.41762410e-07
 2.36229591e-09 1.20469551e-10]


0.9685147


61


[5.1022091e-08 9.9999893e-01 7.9083740e-10 1.4831121e-08 9.0217064e-15
 1.4424657e-13 6.3066588e-13 2.8523209e-07 9.0828365e-13 7.5656453e-11
 9.3863979e-13 2.6961626e-08 7.6003417e-08 6.6303360e-12 1.7585705e-08
 1.1354601e-11 8.0817014e-15 2.0268297e-12 2.7881976e-11 2.8181681e-13
 4.1513783e-14 6.5383219e-15 2.3515908e-11 7.3504278e-13 2.8854185e-12
 9.5421893e-11 1.8877633e-10 3.0995589e-13 2.8027474e-08 5.7215229e-11
 1.0190588e-12 6.4115060e-11 3.0143870e-11 3.9753419e-11 1.7823000e-11
 1.2961520e-12 2.2034917e-12 8.9960693e-15 5.0614959e-13 3.3831868e-14
 1.1620487e-13 2.9451002e-13 7.8376560e-15 4.2290044e-10 5.6480031e-17
 1.9007381e-13 1.1181374e-12 3.5411447e-13 1.6055284e-14 2.6223144e-14
 5.4657927e-13 1.2517134e-14 1.2053339e-12 4.2011450e-11 9.7545867e-11
 7.9622472e-12 4.4669611e-12 4.4386959e-12 6.4540295e-08 1.9487464e-10
 1.4446836e-11 2.4550562e-07 4.3558317e-09 7.9452835e-09 3.0790388e-11
 3.1221060e-13 5.0125127e-15 1.6545521e-13 1.2839862e-13 1.5641564e-11
 1.6593563e-09 3.7709152e-10 5.0902452e-11 4.0296353e-11 2.4645422e-13
 3.2428009e-09 1.1265386e-10 5.6236482e-12 1.7251701e-14 4.5712656e-10
 2.6514161e-13 1.0926349e-10 6.5957062e-10 3.9914513e-10 3.9863747e-07
 1.6086435e-13]


0.9999989


1


[1.13376366e-07 4.79692289e-06 8.84713316e-08 6.86591445e-03
 5.20573654e-11 2.03755499e-10 1.03741571e-09 9.59982671e-08
 1.93556559e-07 1.92770713e-07 1.48800833e-10 3.44459096e-07
 8.44332862e-06 3.24030602e-09 2.05093983e-07 1.04896847e-08
 3.82898019e-10 2.90610593e-08 1.38318406e-08 8.05325140e-09
 9.44505696e-10 3.32880834e-10 1.76343022e-07 3.69119824e-09
 3.98689126e-09 2.32852493e-09 1.62524539e-05 5.00333164e-10
 1.43956719e-02 5.92622673e-05 1.57221844e-08 9.48914021e-05
 3.90731998e-08 1.68286974e-03 1.98260594e-07 1.52845786e-07
 2.58536925e-09 1.34822009e-09 3.81477605e-08 1.23838861e-09
 4.53977522e-09 4.53232651e-09 6.14259130e-11 7.12940178e-08
 1.21164731e-10 7.72612696e-10 3.37335457e-08 3.48530591e-08
 3.16575188e-09 3.94641264e-10 3.29878103e-09 1.14130589e-08
 7.27194038e-09 9.60808890e-08 3.65054742e-09 6.28404395e-09
 6.76657521e-07 1.24988929e-07 2.65462222e-05 8.37499840e-07
 2.32727412e-04 9.42440569e-01 1.37076029e-04 3.40147018e-02
 1.65548624e-06 4.86798310e-11 1.78183790e-09 1.71313874e-09
 1.42368650e-09 9.85936888e-10 1.76959531e-06 1.80463147e-08
 5.39207576e-08 1.84498433e-07 2.86110957e-09 8.71346856e-06
 7.41345740e-09 1.70405983e-07 1.57033775e-10 1.05134204e-08
 7.27561655e-09 2.06782801e-07 8.57411706e-08 2.70027226e-06
 2.85766845e-07 4.82127859e-07]


0.94244057


61


[4.35392867e-05 1.49502346e-04 6.13407920e-08 1.48826890e-04
 1.20634995e-08 1.27569209e-07 6.76221390e-08 1.46238890e-05
 1.01863520e-07 5.96258724e-06 7.93777133e-08 2.56393269e-05
 7.06093579e-06 7.36283653e-07 7.75320150e-05 6.35863103e-07
 1.88518186e-07 1.36086000e-02 8.21659225e-04 1.35885409e-06
 1.84154672e-07 3.15510670e-06 2.69521297e-06 1.30515059e-06
 1.24944427e-05 3.14384488e-05 8.59088104e-05 4.64799577e-08
 4.98421211e-03 4.34694171e-04 1.67348139e-06 5.05837932e-08
 7.87747831e-06 5.27427159e-03 4.53875202e-07 8.97305654e-06
 6.63013111e-08 3.16050581e-08 2.80427685e-07 2.10693869e-07
 1.27621547e-07 2.26041962e-07 3.91950365e-08 1.64412575e-06
 5.29456567e-09 3.59815928e-08 3.70030966e-06 3.64961636e-07
 6.83971919e-08 3.35752048e-08 7.92190491e-08 1.62030304e-07
 1.95311782e-06 2.95692246e-07 2.15800696e-06 2.18073546e-06
 8.22669535e-04 7.60015973e-05 2.75784172e-04 5.05061917e-06
 5.54635897e-02 1.89024780e-04 4.23487961e-01 4.93474931e-01
 7.66851081e-05 3.99497958e-06 3.72088357e-06 1.36122882e-08
 1.92852508e-06 1.48185052e-06 4.74150966e-06 8.01631904e-06
 7.12235806e-06 4.13305952e-06 2.24888913e-06 1.40562152e-05
 5.63334055e-08 2.88197180e-06 1.59026339e-08 6.03684924e-08
 3.21334915e-06 1.38594328e-06 2.71140834e-06 2.51189602e-04
 4.57283240e-05 2.11254402e-07]


0.49347493


63


[1.4669038e-05 4.9872342e-06 7.4349971e-10 2.0840278e-05 5.9447591e-14
 2.6436781e-10 5.7591851e-11 4.9617319e-09 1.1816362e-06 6.1725620e-09
 3.7879483e-10 1.1042166e-09 2.6692019e-06 1.6611187e-10 1.1319123e-06
 1.9196315e-10 7.0255451e-12 5.8957861e-10 1.3147751e-10 1.2716772e-10
 9.3272733e-12 4.5522839e-12 6.1316122e-08 7.6176052e-09 5.4166172e-10
 1.5321045e-07 1.2357169e-04 8.0598091e-11 9.9510164e-04 1.2828600e-07
 4.0619401e-09 5.5616674e-06 3.6305742e-08 2.8972638e-08 6.2775342e-08
 3.4151899e-09 7.3727127e-12 1.6379119e-11 8.9075941e-10 3.2272060e-10
 6.5061051e-10 1.8186104e-11 9.1865166e-13 3.4151120e-07 2.5836847e-13
 2.5671613e-12 5.3632743e-09 2.5000233e-08 1.0182080e-11 4.7019606e-12
 4.6000403e-10 4.1421905e-12 6.6650214e-09 9.7534170e-10 1.6110401e-07
 5.5355576e-10 2.0020586e-06 1.4215664e-06 9.5742309e-01 2.0008145e-03
 1.5910123e-07 8.1004022e-04 2.9088231e-03 3.4036107e-02 1.6034796e-03
 1.4419778e-10 3.6936743e-12 4.3877757e-13 3.3041198e-11 3.2262998e-11
 7.2328298e-08 7.7000966e-09 4.4540879e-08 9.1987218e-09 2.4712308e-09
 8.1458698e-09 2.9952467e-09 3.5190193e-09 1.3794312e-11 4.4388734e-08
 6.7670952e-11 1.8606799e-07 3.4127462e-10 1.4259729e-09 4.2915246e-05
 1.5918113e-12]


0.9574231


58


[7.31835259e-09 9.96619463e-08 6.21367610e-11 2.41026470e-08
 1.81894679e-12 1.76121585e-12 2.01524626e-12 1.30644884e-10
 3.98196365e-09 9.19164814e-11 2.04723580e-08 1.36802225e-09
 2.74318921e-07 1.02895241e-10 1.27925517e-07 1.16279664e-12
 6.15289774e-13 1.51916243e-10 3.94834998e-11 2.84205697e-11
 1.13018495e-13 9.80744349e-14 4.69158490e-10 5.11424444e-11
 9.11865201e-12 7.19158821e-09 3.06084104e-07 3.54962674e-12
 8.43922432e-10 3.91808547e-12 6.29064563e-13 3.14481152e-09
 4.71784729e-11 3.71092913e-11 3.43522931e-12 1.95931552e-11
 5.74612460e-13 2.93397170e-13 2.56454883e-12 7.62339584e-12
 9.48030630e-12 1.54578260e-12 8.31789878e-14 1.70910272e-10
 7.27108633e-17 1.47905193e-13 1.79916967e-11 1.92903835e-11
 5.68457716e-13 5.63734129e-12 7.79889694e-12 2.00653381e-14
 3.83072810e-11 5.35526484e-12 1.04239639e-07 1.76013856e-11
 1.93997207e-10 7.10546483e-11 5.55098677e-06 9.71404401e-10
 6.10298140e-12 1.20647723e-08 1.17880972e-09 5.07168529e-08
 7.58614416e-09 1.15939116e-11 1.40081103e-13 1.34565931e-14
 8.14048655e-12 8.96130132e-12 5.62150413e-12 1.16340562e-10
 2.77855822e-10 1.60641622e-11 7.13489033e-12 1.15826999e-12
 7.85762254e-12 2.36499102e-11 2.88983713e-15 2.69385209e-10
 2.04586036e-13 1.29799171e-10 2.17632162e-12 5.98430810e-13
 9.99993324e-01 4.84063744e-15]


0.9999933


84


[6.48729383e-07 2.05123513e-07 1.90977151e-10 9.99993205e-01
 4.33767497e-13 2.96753420e-11 6.15012815e-13 8.38841393e-14
 1.04622847e-11 1.42013623e-11 8.40292625e-13 3.14685100e-13
 3.24117781e-11 1.03166755e-11 7.21297244e-10 1.46987728e-14
 1.93117245e-12 2.62111567e-13 5.60408772e-15 2.97870805e-13
 2.67237404e-13 5.27140180e-13 2.44628353e-08 4.57245407e-13
 4.26265577e-12 7.22399709e-11 1.52332476e-08 1.10273769e-12
 3.88320531e-09 4.96596731e-12 3.01695890e-14 7.66985941e-09
 3.34953593e-10 3.68032649e-09 2.02834791e-10 1.11280464e-10
 6.54755167e-13 8.26491924e-14 1.42327164e-10 3.48214016e-15
 3.87356425e-10 1.36452286e-12 9.32596760e-14 1.25779692e-07
 8.59549130e-16 1.82860302e-12 1.17728717e-11 3.99489920e-11
 4.74953058e-14 1.29998085e-14 4.81478518e-13 2.41153018e-11
 1.08338158e-10 9.58950181e-07 7.54808305e-09 4.06022113e-13
 8.49064539e-14 2.51828994e-13 1.70018086e-06 8.91415719e-10
 3.62325253e-10 2.58249725e-06 1.66211596e-08 5.64539334e-07
 1.79604154e-08 3.30397873e-13 5.77643988e-10 2.10994010e-14
 1.11471271e-13 7.59313966e-12 1.27477939e-09 2.02947366e-14
 1.03965649e-10 8.16178548e-12 2.71175812e-12 9.04588571e-10
 1.19237790e-12 1.43735412e-10 4.20900890e-13 4.99832164e-13
 6.84630954e-13 1.32682534e-13 3.74506641e-11 5.83604981e-15
 1.76220283e-09 3.44617862e-14]


0.9999932


3


[9.85180350e-07 2.51471811e-05 2.75266099e-09 7.53980294e-06
 6.55920473e-09 5.73807148e-11 8.62907731e-11 7.14014803e-08
 5.30652824e-06 3.97466123e-11 8.72027017e-12 2.24720065e-09
 4.12922567e-08 1.04905494e-10 7.37791661e-10 8.39103187e-09
 7.75574154e-06 6.10679223e-08 2.51733692e-08 4.48583037e-09
 2.89749238e-08 4.13087592e-10 4.55365701e-09 1.00256958e-08
 4.44751880e-09 1.27862010e-09 1.56856197e-06 5.98973813e-08
 7.75387837e-03 5.40363835e-03 2.36776704e-03 1.15497969e-02
 4.11130279e-01 1.82138145e-04 5.61491489e-01 9.33032425e-06
 2.07573990e-07 1.32274545e-05 6.33733634e-06 3.50039022e-06
 1.03714137e-05 1.15298917e-06 8.53469331e-08 4.79878781e-06
 2.91604874e-08 1.74710590e-06 2.38741734e-07 1.68450731e-06
 4.29373976e-08 1.62400475e-11 2.80755353e-06 5.08238937e-11
 1.08005572e-07 4.73832440e-09 5.35880282e-08 2.88621922e-11
 4.98329626e-08 8.92338470e-09 6.38500595e-08 1.08458806e-07
 5.93006121e-07 6.14479688e-07 8.94159825e-07 1.00850555e-08
 1.29349780e-06 7.91148480e-10 8.34703417e-10 1.13079124e-09
 1.48635459e-09 2.63219402e-09 9.86513987e-06 5.62981717e-10
 4.54819897e-08 1.53209908e-06 1.00871478e-09 2.89299007e-09
 1.28242118e-06 1.35042114e-07 8.78853518e-11 7.67753576e-08
 1.11671383e-09 3.06722825e-08 1.52292189e-11 5.88532494e-08
 5.87070215e-09 2.46236226e-10]


0.5614915


34


[1.89002023e-08 2.22161258e-08 2.35995667e-11 9.99989152e-01
 5.29606403e-08 5.70523750e-12 1.06354344e-11 1.97314739e-13
 3.83119778e-13 4.29435090e-12 3.06057846e-10 6.63816278e-13
 2.59255308e-11 1.01330246e-11 1.57249087e-06 9.27288303e-13
 5.96940136e-11 4.12350258e-11 6.49936051e-13 1.24169536e-10
 3.07344671e-11 6.68754765e-13 8.73237514e-06 1.64262354e-11
 1.05154836e-10 6.95602256e-12 5.55988477e-10 1.40280073e-12
 2.79262113e-10 1.56773119e-11 3.76373534e-14 2.04372760e-12
 1.07726557e-10 8.07779624e-12 2.14389034e-10 1.45293819e-10
 7.22407052e-13 9.54462559e-15 1.53249236e-08 1.16647804e-14
 8.61395816e-11 4.31450622e-12 2.74083277e-14 2.79950219e-09
 3.34059703e-17 2.30871705e-14 4.60388064e-12 6.74352230e-13
 1.84824486e-13 2.13614594e-15 1.49714063e-12 2.48401594e-11
 2.08512790e-10 7.05742242e-10 5.51884094e-09 3.25059464e-14
 4.94283032e-17 3.70243793e-14 7.42037654e-10 9.35850508e-10
 1.04050928e-10 1.70697643e-08 2.41263509e-10 6.64294453e-11
 2.01111305e-09 5.76598665e-12 5.56851287e-10 6.08797789e-13
 4.11310829e-12 5.24359792e-11 3.79022339e-07 2.46801451e-12
 5.49664567e-12 1.34325294e-11 1.48702699e-11 2.88069152e-10
 1.00555692e-11 1.69315797e-10 1.44644505e-11 2.21680692e-13
 7.70750163e-13 2.01821388e-13 1.33635577e-11 7.42876948e-15
 4.60233363e-09 6.67797758e-16]


0.99998915


3


[3.2777974e-05 1.5848808e-03 7.7732869e-09 5.8394149e-03 2.1830631e-09
 6.1920171e-09 3.0344069e-08 3.4901492e-05 1.6583717e-05 1.0531535e-07
 4.4866484e-09 7.0794776e-10 7.2833200e-07 1.1239825e-09 1.5300361e-06
 1.7352920e-09 2.0787979e-06 5.2116985e-08 1.7365146e-08 1.9190703e-07
 1.7139284e-08 1.0309247e-09 6.3962698e-06 2.8992383e-07 7.7362881e-07
 9.5969035e-08 4.1901946e-04 1.3843692e-09 7.1865834e-06 5.2605234e-03
 1.3933766e-08 4.2560930e-07 6.5723461e-06 3.2217091e-09 4.2947019e-03
 5.2236432e-05 4.5134620e-09 1.6556164e-08 6.7429499e-07 2.8662852e-08
 6.0190087e-07 5.0301804e-08 9.9904875e-09 1.5867898e-06 4.5892956e-10
 2.6095933e-08 1.3164953e-08 1.4040253e-06 2.7018551e-08 2.1982000e-10
 6.5310516e-08 5.9259605e-08 2.0683702e-08 5.0236576e-07 7.3589590e-06
 4.8212601e-10 1.5445058e-06 4.2816595e-07 2.0381318e-04 4.8306316e-02
 1.1979954e-03 1.1788284e-03 6.9306195e-03 3.5263713e-06 9.2458111e-01
 6.4188637e-09 5.0256943e-07 8.8942533e-09 1.3969272e-07 5.3514717e-09
 5.3235904e-06 8.6239612e-07 6.6932260e-09 1.0263608e-06 2.4422452e-08
 1.3933978e-08 1.0437587e-05 1.6052802e-06 4.5395504e-10 5.8944789e-07
 4.6957314e-08 3.9392540e-07 8.0253216e-08 1.7776813e-08 6.6521244e-07
 6.0638439e-11]


0.9245811


64


[6.1943360e-06 1.9974217e-05 2.8044843e-08 3.4317331e-05 5.3436738e-11
 4.5387194e-10 3.8486143e-09 8.2113962e-05 1.8827080e-07 4.1222719e-09
 4.1840029e-09 2.1943889e-09 6.8544580e-08 1.1581392e-08 1.4935342e-06
 3.3234764e-09 2.0864198e-07 1.2392028e-04 3.0819265e-05 2.0865205e-06
 1.2336489e-08 3.8391712e-09 1.2528455e-06 4.5528853e-07 2.3840163e-07
 2.0406617e-08 1.4869712e-04 2.7094502e-09 1.6759922e-04 1.2384941e-02
 5.4054446e-08 7.3631917e-08 3.4938271e-08 4.2170478e-07 1.7813585e-05
 8.2352635e-06 5.1851163e-08 9.1855883e-09 8.9960814e-08 6.0986856e-08
 1.5140087e-06 1.3201079e-09 2.0440774e-09 5.0507210e-06 4.1376383e-10
 4.4594556e-10 1.0294335e-07 7.4517139e-08 7.4476891e-09 7.8144720e-11
 6.1992765e-08 1.5291163e-09 1.0283497e-06 3.0700470e-08 1.9411068e-07
 1.7987964e-09 3.3426011e-06 5.4717194e-08 3.0916426e-01 5.7170993e-01
 1.1023260e-03 2.1280549e-02 5.9304964e-02 2.3466455e-02 9.0295210e-04
 3.2498168e-08 3.5314247e-07 1.4960144e-10 2.1093664e-08 9.9915425e-08
 1.7362574e-07 7.6593898e-07 1.8752651e-08 2.3691809e-06 7.7527403e-08
 2.7028000e-07 8.1095209e-08 5.6978109e-08 7.7171514e-09 1.9001836e-05
 1.1916023e-08 2.4840386e-08 1.9417984e-08 1.0619710e-06 1.0780406e-06
 1.4670901e-10]


0.57170993


59


[8.26577070e-06 2.20893315e-04 4.14408454e-08 5.09761041e-04
 6.48701759e-10 5.54930946e-09 3.73262887e-09 1.25233764e-05
 1.06582570e-06 8.33358360e-09 7.43273665e-10 3.68831077e-10
 2.07329151e-07 2.00059413e-09 2.99523606e-07 1.50271184e-09
 1.44548640e-08 1.96909241e-06 1.47986341e-07 7.39904760e-09
 6.54904131e-10 2.26743051e-11 7.63686842e-07 4.48928432e-08
 2.65856013e-08 2.84505575e-09 1.08605209e-05 1.34736911e-09
 7.83828182e-06 1.79018127e-06 6.38870290e-09 2.95887688e-08
 1.44412509e-08 2.09613160e-10 1.02104036e-06 3.02479123e-07
 1.46496748e-09 2.81881435e-10 6.80180268e-09 4.24726865e-10
 1.42140308e-07 6.23509289e-09 6.14198359e-10 2.38307337e-07
 2.00521761e-12 6.33871358e-11 6.15943163e-09 4.65854422e-09
 8.76901940e-10 2.20303688e-11 9.52891188e-09 4.05051015e-09
 4.63657130e-08 1.15962322e-07 1.75775142e-07 1.17752003e-10
 2.06626041e-07 7.58177094e-08 1.77107021e-01 4.34879750e-01
 2.32537241e-06 3.58861667e-04 8.13354179e-03 4.50451334e-04
 3.78284007e-01 7.25608951e-09 1.29604388e-07 9.05232764e-11
 2.01925116e-10 1.42979903e-08 7.78629669e-07 8.04200738e-07
 3.18512974e-07 9.78806440e-08 1.20595365e-08 2.39779929e-08
 1.72108756e-07 3.34017649e-08 1.13573728e-09 4.59875395e-07
 9.53869095e-10 1.67815006e-06 3.44310891e-09 7.97665010e-08
 4.13049776e-07 2.39461562e-10]


0.43487975


59


[3.71055044e-08 9.99989033e-01 1.52386589e-10 3.23947893e-06
 4.83202400e-13 1.37722922e-13 1.94783790e-11 1.09964583e-06
 5.58633868e-11 1.75462388e-11 2.35914424e-13 3.60032504e-10
 1.91598537e-09 2.13627531e-12 1.74078263e-08 1.11516157e-12
 7.64881458e-14 2.55442282e-12 1.70230132e-11 3.01608483e-13
 9.94709279e-14 5.89907414e-16 4.53177981e-11 5.13825310e-12
 6.17312841e-12 6.30823605e-12 2.28663394e-10 7.26882367e-13
 5.38466605e-09 7.75576758e-09 2.69734452e-12 1.37984155e-11
 1.50150670e-09 6.49101053e-13 2.16441820e-09 2.23369309e-11
 5.28429731e-12 1.10735897e-13 5.59394935e-12 8.86322401e-14
 3.93304556e-11 9.82701225e-13 3.46909459e-14 1.88801574e-09
 3.72248719e-16 2.33584772e-13 4.84280096e-13 4.08357349e-13
 5.33477545e-14 1.87746394e-14 9.92131551e-12 3.92184955e-13
 3.74917979e-12 6.07717432e-10 5.72348891e-10 2.60415740e-13
 4.43707544e-13 2.75479227e-12 6.23107053e-06 1.07965320e-07
 5.71666638e-11 9.43374658e-08 1.20282053e-07 8.35822744e-10
 1.72979409e-08 2.99220978e-12 1.83457633e-12 5.00258309e-13
 5.88349560e-14 4.91079122e-11 7.79845147e-11 7.40728145e-10
 6.42201639e-11 2.18507809e-10 3.24436441e-13 5.04416398e-10
 2.13189888e-09 1.89223515e-11 4.11404284e-15 1.75442827e-09
 9.13350409e-14 6.63045036e-11 4.50688549e-11 1.74240858e-10
 1.25801719e-07 1.62329189e-14]


0.99998903


1


[2.8336093e-08 5.2981422e-06 1.4035539e-09 9.9890578e-01 4.7963561e-10
 1.9930714e-10 2.6248048e-10 9.1691819e-09 6.9898270e-08 2.3675364e-09
 4.3607788e-11 5.1334530e-11 4.1787254e-07 3.5543339e-11 1.5092917e-07
 4.3482353e-12 1.6526981e-11 1.7937334e-11 4.6537801e-11 5.9665294e-11
 1.8912593e-12 1.3657267e-13 6.7740916e-07 3.1706558e-11 7.7799510e-11
 1.4901017e-10 3.8600112e-07 6.0755810e-11 1.5149302e-05 2.7480204e-05
 7.5234437e-12 2.4101706e-08 1.8174539e-08 1.2482157e-07 9.2631076e-08
 1.3264760e-08 2.3025461e-10 2.8257200e-11 5.2988169e-09 4.1221141e-12
 5.4701406e-08 1.7004063e-10 2.1361767e-12 1.3578114e-07 2.0223668e-13
 1.2143932e-11 1.3599760e-10 2.4075184e-09 4.9447283e-11 1.0967335e-12
 1.1104254e-09 8.2530194e-10 1.2798408e-09 5.8419456e-08 1.3429615e-09
 2.5297373e-12 1.0939054e-11 1.3157127e-10 4.0442195e-05 3.3993347e-05
 2.8924794e-07 4.3183088e-04 4.8302911e-04 1.5144173e-05 3.9051101e-05
 2.2743495e-10 2.5003259e-09 4.0668779e-12 1.3446389e-11 1.2330967e-10
 2.1705160e-08 3.9673513e-09 1.0336498e-08 1.7039232e-09 8.6622814e-10
 5.0099175e-08 3.5757566e-09 7.8315576e-10 4.5558793e-11 2.1436779e-09
 5.7388988e-10 3.3599326e-09 7.2540565e-09 5.1773035e-09 2.3603866e-08
 1.4044288e-10]


0.9989058


3


[1.63790332e-06 2.74445683e-05 6.99524492e-08 4.95184686e-05
 1.08873701e-08 3.39351615e-12 6.42968873e-11 1.15201544e-06
 4.06405682e-08 1.82012405e-10 3.57731965e-13 1.51801538e-09
 6.15337967e-08 1.96721639e-10 2.72183591e-08 2.94165385e-08
 9.27575243e-08 1.89337442e-07 2.65555595e-08 2.29627748e-08
 1.52204516e-09 3.38473277e-11 1.26053180e-07 6.28419050e-09
 2.48410653e-10 2.33085745e-10 1.92049086e-07 7.33321492e-09
 9.17466402e-01 2.97907135e-03 2.08965339e-05 7.90254325e-02
 4.93845837e-05 2.74664199e-04 6.33538220e-05 8.84617009e-07
 4.66762096e-08 1.36854806e-06 6.67441611e-07 1.08524915e-07
 2.59198055e-06 2.95305451e-08 1.45740431e-09 1.56860369e-06
 7.94651844e-10 8.24797937e-08 3.08988064e-07 1.11330962e-06
 8.06085012e-08 1.89678811e-11 2.23596803e-08 3.47981539e-11
 9.00730797e-08 6.38734132e-09 1.13281144e-08 8.00349110e-12
 2.27533534e-10 1.89568414e-08 2.76422816e-05 4.17895791e-07
 1.04803508e-08 1.07011215e-06 2.93609315e-08 4.58722589e-08
 1.44362261e-07 4.30981119e-11 9.68379044e-10 4.04086244e-11
 3.48667317e-10 1.25042581e-08 7.15419276e-07 2.33932873e-10
 1.51024739e-08 3.93947175e-07 4.75898654e-10 1.85392901e-09
 3.24232481e-08 7.61686181e-09 8.81002216e-12 4.67583902e-07
 1.62890881e-10 3.71338049e-09 6.17054975e-12 7.98648827e-08
 2.12356799e-08 1.70568057e-08]


0.9174664


28


[6.52842091e-09 1.84924733e-08 6.91728346e-08 9.76884388e-04
 4.83477507e-08 3.47544975e-12 4.52949418e-13 2.49224027e-11
 9.55797420e-12 3.80370770e-11 2.77687234e-10 6.87292723e-11
 1.01514413e-11 2.70018578e-12 3.55917473e-06 8.85219231e-10
 3.00875796e-10 2.03596162e-08 2.07661910e-09 2.26659011e-10
 8.91086423e-12 3.33895563e-12 9.98591959e-01 5.39640499e-10
 2.93321922e-10 4.72784585e-14 9.20249388e-09 1.32627156e-12
 4.81735429e-10 5.24196762e-11 5.81293531e-13 3.83035026e-09
 2.68533243e-12 4.10698170e-10 9.49965662e-11 2.55471888e-09
 9.21858943e-12 1.16488555e-11 4.93956764e-10 1.10890680e-12
 7.07414266e-11 5.68860150e-12 1.75217737e-13 1.59202831e-10
 1.23963865e-14 2.11436391e-13 5.36734199e-11 2.27228666e-10
 1.74427989e-11 1.57595833e-14 1.08896590e-11 6.33813444e-12
 4.28518089e-11 1.16808048e-11 1.43312681e-10 2.83596090e-13
 5.58406132e-14 3.36890693e-12 5.57180385e-07 4.31882050e-08
 1.24525217e-11 2.39292399e-06 2.79149731e-10 2.98778891e-09
 3.06613792e-08 8.77438313e-13 3.51395163e-11 7.48345342e-14
 1.41659113e-12 1.34350212e-10 4.24458791e-04 1.00239530e-11
 3.58890945e-10 8.14879830e-11 5.14268732e-11 4.70665260e-12
 6.27700257e-13 3.15717417e-12 1.07764925e-11 6.57071342e-11
 1.98500136e-12 3.90075611e-11 1.70330174e-11 6.19263958e-14
 1.00475989e-10 5.47274670e-10]


0.99859196


22


[2.49748524e-07 5.60195758e-07 1.89417735e-11 9.99256432e-01
 6.29394719e-07 2.19329901e-10 9.21051777e-12 3.23588906e-10
 3.79372853e-11 1.92981497e-09 2.18522960e-08 1.89638046e-13
 8.73812966e-11 7.14876465e-12 7.33128050e-04 6.61659789e-12
 1.04141806e-10 1.08329856e-09 3.93784200e-10 8.35148284e-10
 1.03792747e-11 4.13368229e-11 6.98625581e-06 2.42107390e-10
 2.45892484e-09 2.30919159e-10 2.26456592e-07 4.01726655e-12
 8.82124318e-10 3.21831255e-12 1.93000895e-14 1.19970668e-12
 1.03451813e-11 6.32922751e-12 2.24050075e-12 4.10706832e-07
 1.11407749e-11 6.03122641e-13 1.42196058e-07 8.21597293e-13
 9.85178952e-11 1.33374744e-11 8.03774771e-14 2.11116067e-08
 1.18018181e-15 1.48102179e-12 1.00858740e-11 2.10388276e-10
 1.47149116e-11 4.35681527e-14 6.09330728e-13 3.22007664e-11
 1.99105010e-10 1.81066184e-08 1.16363776e-06 5.47093317e-12
 4.80364555e-13 1.31809126e-14 2.92739681e-08 5.92307359e-09
 1.02440251e-10 1.91573335e-08 4.80889661e-10 3.04941983e-09
 2.08875104e-08 9.90087526e-12 1.37477020e-12 9.85380397e-14
 2.75693669e-11 6.30034523e-12 5.82015269e-10 2.58081815e-12
 1.31421211e-11 8.72689854e-12 3.80672688e-10 1.75712483e-11
 9.92015584e-12 1.64836617e-11 1.93836310e-12 1.53753605e-12
 1.39706172e-12 5.13610682e-11 1.33716840e-11 5.27450739e-12
 2.37824160e-08 2.19600407e-13]


0.99925643


3


[9.5021373e-05 2.3317614e-03 1.0065031e-06 8.4491652e-03 8.1097653e-08
 1.8073679e-07 3.6747913e-08 3.7686641e-05 2.4738189e-05 8.9414825e-06
 5.0464217e-07 2.9302449e-09 6.0622210e-06 4.6944163e-07 8.4759544e-05
 2.4580459e-07 4.1779370e-07 2.9729385e-06 1.9103051e-07 2.5183678e-07
 1.2345829e-08 2.0313633e-09 7.7586068e-05 1.2349892e-06 1.0059426e-06
 2.6185634e-07 9.2431651e-03 2.7281347e-08 4.7885263e-03 1.1198955e-04
 4.1127148e-08 9.2466883e-07 1.3773781e-06 5.3252493e-06 5.0113326e-06
 1.7586525e-04 4.4519886e-08 3.3808416e-07 1.2894377e-05 2.2886874e-07
 9.2618063e-07 1.3859552e-07 7.4015801e-08 5.2336745e-05 2.9293672e-09
 3.1710719e-08 3.8340258e-07 1.6657021e-05 1.2469686e-06 1.6908063e-08
 2.1669931e-07 1.4389762e-07 2.8125455e-06 8.5882653e-05 8.9132125e-05
 3.2756418e-06 4.5687967e-04 6.5572967e-05 4.6561038e-01 3.6382671e-02
 1.4584187e-03 1.4233609e-02 6.3069068e-02 7.8442410e-02 3.1448612e-01
 9.5164431e-08 8.3762785e-07 1.0779054e-08 4.1979305e-07 6.1637614e-08
 1.2616356e-05 1.3379831e-06 1.5398388e-06 2.3251016e-05 4.3360305e-07
 2.4522953e-07 3.4544968e-07 3.7531036e-06 1.6181060e-08 4.9431192e-06
 1.1640924e-07 9.8105993e-06 3.0101219e-07 1.3759274e-06 5.0208860e-06
 4.7358867e-06]


0.46561038


58


[7.05160915e-07 1.33767841e-07 7.74113289e-07 1.53008714e-05
 6.88658019e-08 5.70668170e-08 1.00460120e-08 7.53009544e-07
 9.00833584e-06 2.13732292e-07 8.10941583e-06 1.86555948e-09
 1.41515659e-06 4.41903580e-08 1.23903374e-05 4.92832406e-08
 3.18326101e-06 1.32298470e-01 1.37319858e-03 7.05171942e-06
 7.13182260e-08 3.56036196e-07 5.88036016e-07 3.55938795e-07
 1.55397129e-06 4.42707524e-08 6.23516040e-04 5.33478595e-09
 3.38558420e-05 3.83354063e-06 4.39385524e-08 2.06039577e-08
 5.01009589e-09 2.91446872e-06 1.91533474e-08 1.24202807e-05
 3.87346120e-08 6.02565251e-08 3.03478885e-07 8.55030606e-08
 8.66240555e-08 3.75246181e-08 4.65848444e-08 1.30864112e-06
 4.70819883e-10 4.20277431e-08 1.03416880e-07 4.53893108e-07
 8.32579246e-07 9.77731229e-09 4.43595880e-08 5.53339286e-09
 4.67565798e-07 2.79376366e-07 6.64367633e-07 1.46130151e-06
 9.13277920e-03 3.11440317e-06 2.48968182e-03 2.94845691e-03
 1.66326831e-03 2.11139723e-05 1.11403766e-04 8.11007082e-01
 3.81947495e-02 1.96249630e-07 7.91147102e-07 1.53192059e-09
 2.46796390e-06 3.97499527e-08 5.10091027e-08 2.92559491e-07
 1.11688962e-06 1.08802544e-06 5.30535118e-08 1.21796546e-07
 1.24405275e-07 8.51102357e-07 3.28248140e-09 4.87313727e-08
 9.31377500e-08 5.55656072e-07 9.93732741e-09 5.07320124e-07
 1.69941416e-06 1.29830494e-06]


0.8110071


63


[1.15279636e-06 1.69763643e-05 2.55311354e-12 1.35074004e-07
 5.07580922e-11 5.91347804e-11 3.98230095e-11 5.33524428e-07
 3.60772538e-05 2.02596393e-08 5.47179628e-11 2.66257039e-09
 1.56918290e-07 5.12274667e-11 2.98136882e-07 1.78518936e-10
 2.85076129e-10 7.86190881e-08 1.87087057e-09 3.20772880e-10
 2.06050073e-11 5.65493789e-12 2.20608878e-10 1.53846358e-09
 3.60680763e-10 1.23906130e-08 1.43202386e-04 2.97959192e-11
 9.35023345e-05 1.57945820e-07 1.10915259e-08 2.05777031e-08
 1.08390361e-06 3.15049787e-12 3.21823137e-07 2.51300736e-09
 1.43060867e-11 3.38110345e-10 5.52992430e-10 5.73020853e-10
 2.68778402e-11 2.72362077e-10 3.62771098e-11 1.84642046e-09
 7.71469531e-13 1.79628312e-10 8.23175139e-11 1.59621960e-09
 2.47191712e-11 7.25928432e-12 4.71303974e-09 7.23431392e-14
 1.95243231e-11 2.78124257e-09 1.16309338e-05 1.12135607e-08
 5.28513992e-05 7.24552478e-07 2.14728381e-04 3.65369260e-07
 3.52577763e-06 1.14915165e-05 2.42579356e-02 9.07211188e-07
 9.75147426e-01 2.56598098e-09 3.31531295e-11 1.57345263e-12
 8.52155402e-10 2.42229396e-11 5.12368229e-12 1.91035259e-08
 6.47307363e-09 2.50759702e-09 9.97682909e-11 5.02575308e-11
 2.18177760e-07 1.05726521e-08 1.01936591e-12 1.95116954e-08
 1.93437419e-10 1.32898847e-09 3.36959072e-11 2.12340261e-08
 4.32039224e-06 6.34418386e-12]


0.9751474


64


[1.0223721e-09 1.3352890e-07 9.0024651e-13 4.8218727e-09 1.3548272e-11
 1.1499981e-11 4.2471948e-13 1.2335426e-10 3.7148780e-09 3.4146738e-11
 6.6085302e-09 2.2838296e-09 2.4777145e-07 5.0764948e-12 5.9355912e-08
 1.8465511e-13 2.0303385e-13 3.4822895e-10 2.2677286e-10 2.7687160e-12
 3.8862044e-14 2.3684046e-14 1.2621931e-10 4.2383947e-11 5.7155631e-13
 1.7907539e-08 8.1614147e-08 3.1278422e-12 4.9327076e-10 7.9542492e-12
 1.4089097e-12 6.0577557e-11 2.2390016e-10 3.3688250e-12 1.3933846e-13
 7.2853347e-12 9.6813649e-13 4.5022867e-13 2.8894506e-12 3.1226681e-12
 5.9018697e-12 1.5004173e-12 8.8690123e-14 4.6975458e-11 6.6060115e-16
 2.5811456e-12 1.9696300e-12 1.1823524e-12 7.0566475e-13 3.2291873e-12
 2.0579207e-11 1.3746750e-15 6.4734607e-12 5.2844821e-12 2.7717138e-07
 7.5055261e-11 3.3014945e-11 2.2340661e-10 1.7136442e-09 4.7912520e-13
 7.2267236e-12 1.9764264e-12 3.8621673e-10 8.6116961e-11 5.2484861e-10
 4.6700615e-13 3.4982615e-13 1.7283355e-14 1.3909390e-13 2.4410684e-12
 4.6172160e-15 7.0302796e-12 2.8012741e-11 4.6750676e-14 8.5113904e-13
 9.2736609e-14 1.3183881e-12 2.0894861e-12 3.3328168e-16 7.3313629e-12
 1.2955534e-13 1.6888254e-12 1.3989154e-13 3.9348390e-12 9.9999917e-01
 7.0397959e-15]


0.99999917


84


[1.60586001e-06 1.23754362e-05 5.03469696e-11 9.99976277e-01
 5.88647117e-11 7.14952875e-10 1.69140518e-11 8.33345459e-12
 4.09372786e-10 9.93539556e-11 7.56979711e-13 7.52824626e-12
 2.31630182e-09 2.53555250e-11 1.35208005e-08 1.87363485e-13
 5.60894491e-11 2.55405037e-11 7.70365802e-12 9.47165003e-12
 2.96830477e-11 5.07855112e-11 4.60259244e-08 1.64872317e-11
 1.50893621e-11 2.84585184e-07 1.51054257e-06 8.90010114e-12
 1.86918125e-08 2.83621193e-09 3.00149283e-13 6.96289870e-09
 2.75271947e-08 1.93392644e-08 1.48565715e-09 1.11308995e-09
 2.97507262e-11 4.49784307e-12 1.01339532e-08 1.48143867e-12
 1.13837668e-08 1.79906423e-10 8.18980571e-13 7.79202978e-08
 2.33595805e-15 5.30587588e-11 1.81166974e-11 2.73196660e-10
 3.11962023e-12 1.80056610e-12 1.65455132e-11 5.75180292e-10
 2.99080510e-10 4.69542556e-06 1.04873266e-06 7.27355730e-13
 1.44231614e-11 4.84382239e-12 9.60886481e-09 4.26401726e-11
 5.94975347e-10 7.28241858e-08 6.72067415e-08 8.54870237e-08
 5.45601679e-08 2.79569614e-11 1.68468417e-09 2.48099853e-13
 1.96661936e-12 2.09786927e-11 4.18508665e-11 8.98812275e-13
 1.71444761e-10 1.05679614e-11 1.74796524e-10 2.99480840e-09
 1.22200869e-11 1.42361489e-09 1.45654170e-12 1.91473421e-12
 1.40634900e-11 1.77325873e-13 8.38723313e-10 1.38676570e-11
 1.64763026e-06 3.81418021e-14]


0.9999763


3


[2.9163388e-10 3.8373102e-10 2.0973643e-11 6.9996105e-08 4.2164345e-12
 9.2168662e-16 2.9535985e-14 8.4281297e-12 4.9410664e-10 5.1106998e-16
 4.9486957e-18 3.2552373e-13 2.3451806e-11 2.1994918e-14 3.8296289e-12
 5.0789533e-12 8.6031754e-10 4.9884777e-11 1.4773620e-10 1.5112368e-11
 7.8456980e-12 3.2931143e-12 5.1147694e-11 2.6514332e-11 2.2513043e-13
 2.3825912e-13 1.2307759e-10 2.5086990e-11 3.4586919e-05 1.2739620e-04
 1.5321564e-08 9.9976796e-01 8.0229398e-07 5.7762110e-05 1.1431778e-05
 2.2994939e-09 1.0346475e-10 8.9714201e-09 1.2246367e-09 6.8328725e-09
 3.6260968e-08 7.4366950e-11 4.7757848e-13 2.8124434e-09 6.5531852e-13
 2.4276278e-10 7.3605490e-11 5.4855103e-09 6.6002814e-11 1.1608139e-14
 1.0375169e-10 9.6848400e-15 9.3091319e-11 2.9652517e-12 8.8114314e-13
 5.0549917e-17 5.2950738e-12 1.5882032e-11 8.5000708e-11 3.7882231e-10
 1.1022286e-12 6.8606065e-10 1.2653900e-12 1.5311110e-11 1.3118863e-11
 6.4599693e-14 2.2584740e-13 2.2134428e-14 9.0381863e-15 3.4217816e-13
 2.9040273e-10 8.2770556e-16 1.0244534e-11 8.1379729e-11 3.5768225e-13
 4.0800238e-13 3.4716932e-12 3.3734179e-10 1.2513194e-14 7.4697583e-12
 1.2992122e-14 1.2836168e-12 3.1111939e-15 2.2726701e-12 5.5281665e-12
 7.8357487e-13]


0.99976796


31


[1.48833635e-07 2.14960920e-07 2.44463116e-10 9.99886870e-01
 6.55132851e-07 1.78944977e-12 2.14089055e-12 5.57348438e-12
 9.82559032e-14 4.86470447e-11 1.44420295e-10 6.16120609e-12
 1.14133572e-12 8.05756341e-13 9.01008025e-05 9.88255450e-11
 3.25480051e-12 2.78090675e-11 7.59904292e-11 1.25527835e-11
 4.38131025e-11 3.40757596e-11 1.92437419e-05 2.44405624e-11
 4.25722478e-11 2.12943744e-13 1.96818284e-10 2.53876477e-12
 7.96320010e-10 3.12795796e-11 8.45952811e-15 4.57187221e-09
 8.32146504e-12 1.14813492e-08 2.78727388e-11 1.91945723e-10
 2.55555885e-13 7.96869623e-15 7.04501041e-11 1.80679947e-13
 1.21188415e-11 1.15741184e-11 9.02189869e-15 7.34772354e-10
 8.51569470e-17 9.48803786e-15 2.92569224e-12 1.21716526e-12
 2.96166872e-13 2.50159534e-15 2.20531221e-13 4.60625505e-12
 1.08267562e-10 2.25767049e-09 2.66403843e-10 5.25078977e-14
 2.08951551e-15 1.04260574e-14 9.40300948e-10 2.93215729e-11
 1.78456555e-12 1.72488924e-07 1.86397317e-12 6.30489483e-09
 6.18978480e-11 2.51558838e-13 1.03975170e-11 2.04037823e-13
 2.81578905e-13 3.40339128e-12 2.53645430e-06 2.68358605e-14
 1.05331651e-12 8.92925870e-13 2.24241025e-12 1.59093472e-09
 8.84879301e-13 7.52876997e-11 3.80804058e-13 1.10465971e-13
 2.48206742e-14 1.11473298e-12 5.06968469e-12 1.66578397e-14
 2.32501657e-10 2.38688778e-12]


0.9998869


3


[4.7224635e-06 4.8044641e-03 3.0163309e-07 6.7089377e-03 5.3075822e-10
 1.8222359e-09 2.3552356e-09 2.2845556e-06 4.8518314e-07 5.6076736e-08
 2.4312137e-09 3.2076415e-09 1.1144901e-06 2.7806246e-09 1.7405038e-05
 8.5099359e-09 9.1554231e-10 1.6282968e-09 7.4405415e-09 1.1180080e-09
 1.4915496e-09 6.9341538e-10 1.3663996e-06 8.8338957e-08 8.1404167e-08
 2.6767298e-08 9.2780268e-05 6.4532291e-10 5.1040488e-06 1.0641352e-07
 1.9261988e-10 1.6117557e-06 5.2156608e-09 4.7905869e-06 2.2130120e-09
 8.1069527e-07 8.1016222e-10 6.3625544e-10 6.7287558e-09 7.6353718e-10
 3.8437484e-09 7.1615345e-09 2.1017446e-10 1.9363576e-07 7.1507808e-12
 1.9697282e-09 4.0725183e-09 5.2832569e-08 6.2412688e-09 1.1874438e-10
 1.3658178e-09 1.2965663e-08 5.6655562e-08 9.1712282e-05 5.2605717e-08
 6.9591071e-09 3.4485911e-05 3.6863174e-08 1.5083555e-02 8.1605067e-05
 4.2237349e-07 2.0139890e-03 7.7289682e-05 9.7094834e-01 5.0864778e-06
 1.5818119e-10 1.0208165e-08 3.5257736e-10 1.1305584e-10 8.9078469e-09
 2.0565931e-06 7.4322584e-09 5.2600200e-08 1.2045263e-06 4.3241463e-10
 1.3045415e-06 2.3508971e-08 2.0398316e-08 4.1156445e-10 2.5483676e-08
 1.2888014e-09 1.0843228e-05 8.2309086e-08 4.0787026e-07 5.0889764e-08
 3.1424790e-07]


0.97094834


63


[4.3060911e-05 4.2312962e-04 7.9881257e-09 7.7088453e-06 2.7659350e-09
 8.3939318e-09 6.2848734e-08 4.6877326e-06 6.8731055e-07 7.9217337e-08
 4.1263948e-07 1.5786871e-05 7.3860756e-05 6.6840016e-08 1.2120543e-04
 2.2163542e-08 9.3384280e-08 3.6194813e-04 2.4886334e-03 1.1884555e-06
 4.1683418e-08 5.9297696e-07 9.6958593e-07 3.7916013e-07 1.3479378e-06
 4.3539612e-06 1.6168553e-05 3.5366658e-09 8.2389283e-04 5.0656176e-06
 1.9958804e-08 2.3650875e-07 1.8383495e-06 4.4735394e-08 5.4127095e-06
 1.5487505e-07 5.7924785e-09 8.9483709e-10 7.9069364e-09 1.6305600e-08
 1.2972036e-09 3.5779816e-08 1.0911145e-08 5.2404022e-08 6.1355787e-10
 3.2725724e-09 1.2623799e-07 1.7212656e-08 6.7183253e-10 2.7999686e-10
 1.7635367e-08 2.9465586e-09 7.2799602e-09 1.4514131e-07 8.6050150e-08
 1.8660629e-07 1.9728218e-04 3.6587289e-06 1.1155452e-01 3.9577219e-05
 1.0823665e-04 8.3932448e-03 8.3762455e-01 3.1320401e-04 3.7275147e-02
 5.8948086e-08 2.2328841e-09 3.3064784e-09 3.8011432e-08 4.2198889e-07
 8.6165128e-06 2.1504016e-05 6.3894282e-07 1.8328954e-07 3.7091701e-07
 1.4879312e-05 4.3199300e-08 2.5734028e-06 1.1729149e-08 5.6066278e-07
 1.2877240e-07 1.2793056e-06 6.9950673e-08 7.9920082e-06 2.7249578e-05
 8.5184325e-08]


0.83762455


62


[1.06422881e-07 1.17614285e-07 1.99643946e-09 2.55458747e-08
 2.64449277e-14 4.14712447e-14 3.05783112e-12 1.94705603e-08
 4.59620075e-08 2.05003436e-09 1.15241150e-12 1.79943058e-07
 1.01543156e-08 4.49102491e-11 1.93614600e-08 1.21776749e-08
 6.59572189e-11 8.92471785e-09 2.48916887e-08 2.19359686e-09
 7.42304343e-11 9.42151912e-11 3.78484932e-09 1.04009046e-09
 5.16404641e-10 4.26315060e-11 7.89342209e-07 7.05853778e-13
 1.93855467e-05 1.69341959e-07 1.42213880e-10 1.05574344e-07
 1.99736686e-11 2.00705479e-08 2.17246257e-08 2.51936305e-10
 2.21284952e-11 4.54428249e-12 4.95672982e-11 3.71645735e-11
 1.01749685e-11 1.98917272e-12 2.98401115e-13 8.67768912e-11
 3.25001744e-13 1.68267266e-12 2.96808217e-10 4.37726140e-11
 2.38506849e-12 1.50004651e-12 7.41056348e-12 9.40564968e-14
 1.72413160e-11 4.13616086e-10 2.85698021e-10 8.20794932e-10
 2.88409694e-07 2.33416203e-10 9.95876508e-06 3.51201024e-09
 3.80592319e-05 9.99578536e-01 6.33224727e-06 3.40007216e-04
 5.54632425e-06 2.92357956e-12 1.39308888e-12 1.51111686e-12
 5.19056777e-11 1.92572888e-10 1.90847551e-08 1.80951911e-08
 4.46997717e-11 1.93196286e-08 1.01259147e-10 5.27308934e-08
 6.85410173e-10 1.83438313e-08 7.34599950e-11 1.01928537e-08
 2.08983275e-10 3.57665009e-09 1.81674495e-10 9.03671378e-08
 2.28527353e-09 1.62542285e-10]


0.99957854


61


[1.26107631e-08 9.99999762e-01 9.83192174e-12 1.97615240e-08
 5.23624714e-15 2.73383949e-14 2.29180620e-14 3.12952153e-08
 3.66714173e-13 4.66574175e-11 2.48290175e-14 1.24313635e-08
 4.32018332e-09 3.79175641e-13 1.18152581e-08 1.38152521e-12
 1.07709557e-15 3.04215542e-14 4.75280145e-12 6.19433636e-14
 6.93504795e-15 5.11309374e-16 2.86322441e-11 1.46372430e-13
 4.68527615e-13 1.53949076e-11 2.49695369e-11 3.20640193e-15
 2.50361332e-09 5.18944783e-11 2.85048440e-15 6.35760704e-13
 3.95060373e-12 7.53425209e-13 2.54414393e-14 2.43217667e-14
 6.25374047e-14 1.35547612e-16 6.76282150e-14 9.22632120e-16
 7.97105522e-15 3.25642304e-15 9.68426864e-17 3.49463930e-11
 8.90343959e-18 1.10935117e-14 6.21746510e-14 2.92405430e-15
 1.50003182e-16 3.76431183e-15 1.70793064e-14 2.91985042e-16
 2.46105287e-14 1.62728197e-12 1.32762265e-11 6.70345767e-12
 3.95308616e-14 2.82218855e-13 2.29953145e-09 3.24144899e-13
 6.40287996e-12 1.34004935e-07 4.12336965e-09 3.31822153e-10
 2.09780422e-13 7.72192250e-15 1.51167630e-15 1.48743492e-14
 2.82724436e-15 1.33353279e-12 2.28319808e-10 1.39742436e-11
 4.88588683e-12 5.07553938e-12 1.50285702e-14 2.00564121e-09
 5.07145584e-12 7.03862587e-13 5.33484008e-15 1.05793829e-11
 7.29361521e-15 1.51855069e-12 2.36703244e-11 3.25361162e-11
 1.12842073e-07 3.52938406e-15]


0.99999976


1


[2.66287287e-07 2.06164418e-06 2.95490956e-08 7.68500268e-01
 2.80472605e-08 2.49635050e-08 2.34280506e-09 4.59354776e-09
 6.33361481e-07 1.41115308e-07 5.14622940e-08 6.14560633e-08
 5.77327119e-05 1.93099492e-09 6.77560547e-06 1.08040232e-09
 1.02182607e-09 8.99665054e-08 3.41680177e-08 9.97430938e-09
 9.50037160e-10 5.13980629e-11 1.79725248e-05 1.30152547e-08
 1.87988203e-08 2.49531865e-07 4.16925741e-06 1.13841048e-09
 8.47950141e-05 7.14510543e-06 7.48746551e-11 9.98835458e-06
 1.05831290e-07 6.34714434e-06 1.78535142e-08 8.75738806e-08
 9.16999088e-10 2.34922054e-10 2.33307048e-07 1.51110235e-10
 1.90530578e-08 5.19522292e-09 6.11363252e-11 2.81458000e-07
 7.84558390e-11 2.18488755e-10 1.75819839e-08 3.44454465e-09
 4.56810256e-10 1.53576568e-10 4.61045291e-09 2.96410487e-08
 2.42277842e-08 6.09084395e-07 5.10001001e-08 3.50300525e-07
 1.75197528e-08 1.89441653e-08 7.84731299e-07 2.10014505e-07
 1.68751503e-04 2.30397969e-01 1.36837800e-04 5.26239979e-04
 6.79711547e-07 1.00011208e-10 1.91212712e-09 3.68653019e-09
 4.16941015e-09 3.02638425e-09 6.01666943e-05 1.31083988e-09
 2.05436255e-08 3.85046617e-09 4.64757077e-09 3.52616121e-06
 1.51863642e-08 1.17130865e-08 6.35015018e-09 3.16919685e-10
 2.01571804e-09 8.58374705e-08 5.11793303e-07 1.60966920e-07
 2.99238854e-06 8.83509230e-08]


0.76850027


61


[2.84661792e-06 5.38836684e-05 1.30922856e-10 2.26862379e-04
 4.20166728e-08 4.50798900e-08 1.65926330e-08 7.73162071e-07
 1.20830555e-06 4.82191240e-07 5.45280514e-08 7.95113829e-06
 5.44400382e-06 5.57077691e-08 2.06099212e-05 3.53817242e-08
 2.42898501e-08 2.55275215e-03 1.04986775e-05 1.38938759e-07
 3.65718855e-09 6.78380596e-09 2.39552833e-07 8.86884166e-08
 3.34823397e-07 1.64292724e-04 6.81147094e-06 2.44246579e-09
 2.65450943e-02 7.77123729e-04 9.57199759e-08 2.48988048e-08
 1.34906688e-04 2.90101074e-04 1.65896363e-05 6.08637492e-06
 1.42427634e-08 6.12775786e-09 5.05391107e-08 1.37205674e-07
 3.38604025e-08 4.26135927e-08 2.36980369e-09 5.08884916e-08
 7.32771233e-10 1.38827627e-09 3.04332104e-07 1.76964647e-07
 2.52887689e-09 6.27660368e-09 2.01710524e-08 4.31891412e-09
 2.60307075e-07 1.20260751e-07 7.03504020e-06 4.33447212e-06
 9.51216589e-06 4.12337204e-06 5.91347198e-05 7.39937533e-08
 2.24214658e-01 1.96077439e-04 7.43547857e-01 7.04429462e-04
 3.81725084e-04 2.68304603e-07 3.29018590e-08 1.50404293e-08
 4.71645649e-07 3.14304032e-08 5.04697823e-07 6.78672507e-07
 4.73581053e-07 2.68632590e-07 1.80405749e-07 8.24830806e-07
 4.37267786e-08 2.92968764e-07 1.17926247e-09 5.45803935e-08
 8.40659382e-08 2.30269261e-08 5.78486272e-08 1.30207736e-05
 2.68724070e-05 2.67129141e-09]


0.74354786


60


[4.76097028e-07 9.31207296e-07 4.47304589e-11 3.97101257e-06
 3.29690095e-12 2.62911524e-12 4.68563556e-12 1.28758817e-08
 6.46144604e-09 5.19579091e-09 1.19865062e-10 5.04368103e-09
 3.54551048e-07 8.44994019e-10 1.29429525e-08 8.41323011e-09
 1.26176717e-11 3.55306327e-08 3.57425367e-10 1.56627888e-09
 2.62059541e-11 3.64749940e-12 1.00973194e-08 2.68150591e-09
 2.23301488e-10 1.56342566e-07 1.38403152e-07 1.05543699e-11
 8.66957766e-04 5.50990459e-04 8.33590662e-12 1.48796708e-08
 1.31090218e-07 1.32398645e-05 8.20283390e-07 8.06516187e-09
 1.55537319e-10 1.62425299e-11 6.22532081e-10 1.99711669e-09
 1.20664020e-10 2.01196587e-10 4.51740468e-12 9.85872717e-10
 6.48694531e-13 5.29327884e-13 3.92471805e-10 5.22484944e-09
 8.23071320e-13 1.01518967e-11 1.00396647e-09 5.10120028e-12
 1.75013548e-09 3.02723346e-10 2.72402076e-06 2.45583975e-09
 5.57234314e-10 1.57094240e-10 1.58078419e-05 8.51809845e-10
 7.82640797e-09 9.98286426e-01 3.02151002e-05 2.11473685e-04
 1.23857316e-08 3.47674806e-11 1.71633790e-12 4.06142654e-12
 2.42875553e-10 2.13532143e-11 1.82443360e-09 1.94987635e-08
 7.35743333e-09 3.23141180e-09 3.60303054e-09 1.33462184e-08
 3.58729157e-10 2.67054361e-08 1.28778750e-11 2.20098606e-08
 3.32757599e-10 3.26375171e-09 2.64378130e-10 3.42396129e-06
 1.15210314e-05 2.85771233e-12]


0.9982864


61


[4.00270920e-07 9.15702094e-06 5.56143118e-11 6.76536445e-08
 4.12761622e-12 8.82020623e-10 2.62220818e-11 2.39916226e-10
 4.35207825e-09 4.41214565e-10 7.99303679e-10 1.81710185e-08
 8.06115786e-05 7.54305618e-10 2.55925897e-06 3.29860410e-11
 8.22072770e-13 4.04625722e-10 1.57501540e-10 4.58757060e-11
 1.61249931e-12 4.94495056e-14 9.95284632e-10 4.01608607e-10
 1.08093756e-10 4.06492509e-05 6.93769948e-08 1.07185691e-10
 1.06805665e-07 3.55039297e-11 1.57340449e-12 6.30088481e-10
 1.26140154e-09 3.23095306e-09 1.54562682e-11 2.53628698e-11
 1.58192329e-12 1.63007943e-12 1.52274762e-10 2.28304792e-10
 4.77476080e-11 9.07320052e-11 1.72704494e-12 8.85880347e-09
 4.56085526e-15 1.89198849e-13 2.41839854e-10 1.26170407e-10
 6.61707559e-14 1.52791096e-11 1.34857028e-10 1.37153136e-12
 3.49245882e-10 1.44318668e-09 6.60425394e-06 2.67752363e-08
 6.31148345e-13 5.92467603e-11 9.69699698e-09 9.48691126e-11
 3.45986295e-11 3.27574945e-08 3.56381129e-08 3.45057565e-08
 2.06009387e-09 8.77487406e-12 1.36159977e-13 2.31498566e-12
 1.98890990e-11 8.88082177e-11 1.80393183e-11 2.27234032e-09
 1.19232280e-09 3.79186474e-11 4.73941997e-11 3.67652159e-10
 3.89647212e-12 1.59697290e-11 1.19765894e-12 6.27476404e-10
 1.24848682e-11 1.24096922e-09 1.99199233e-11 4.33677361e-09
 9.99859571e-01 3.34530208e-14]


0.9998596


84


[3.1797441e-07 5.0442236e-07 2.4776733e-10 9.9823654e-01 4.3537198e-11
 3.7634815e-09 5.6837174e-11 1.9054742e-11 6.6532144e-09 3.9757245e-10
 2.3206399e-09 2.7732682e-11 1.4586092e-06 4.3001748e-11 6.8264185e-08
 3.9617899e-13 7.7527741e-12 4.7109604e-11 5.4709293e-12 5.0573508e-12
 7.1967658e-12 4.3913614e-13 4.3080956e-08 5.8574090e-11 4.8920881e-11
 3.3858080e-07 1.4526019e-05 5.0149473e-10 1.1525946e-06 1.3519146e-09
 2.2476352e-11 1.2933504e-07 2.5060322e-07 3.9189740e-07 1.6906684e-09
 7.6703737e-09 4.1183389e-12 1.1427232e-12 3.3510357e-08 1.0062521e-11
 1.5050747e-09 4.5328225e-10 2.1774194e-11 1.7330484e-06 3.4789055e-13
 1.3091807e-10 1.2658996e-09 1.9800974e-09 3.8296020e-12 6.8592298e-12
 1.5107715e-10 5.4496574e-10 1.2113104e-08 1.0235313e-05 7.2097770e-08
 4.0399972e-10 7.6130602e-10 2.8994309e-09 6.2492022e-06 7.1858750e-08
 2.3523658e-07 9.9242015e-06 3.1395943e-04 1.3958917e-03 1.3532065e-06
 1.2595154e-12 1.0450088e-10 1.8762440e-11 2.3343731e-11 4.6245879e-10
 2.4212861e-09 4.3824631e-11 3.1867233e-09 1.8643302e-10 3.2617715e-09
 4.0070020e-08 3.6073235e-11 2.2659216e-10 7.3965112e-11 5.0362464e-10
 1.9185065e-09 9.4919717e-10 1.5152712e-09 3.6744079e-09 4.4115718e-06
 1.5299888e-10]


0.99823654


3


[6.49675621e-06 2.52878053e-05 2.57290544e-09 3.91351969e-05
 3.11303943e-08 2.83952722e-10 2.81732926e-09 1.33656755e-07
 2.17678212e-06 1.92192498e-10 1.22963792e-10 5.92468163e-09
 4.41840911e-07 1.21299226e-09 5.89736722e-08 1.93357170e-08
 7.70212137e-06 3.73113437e-07 9.03928807e-08 9.55136130e-08
 3.17741886e-08 3.51836182e-09 1.48366928e-08 1.30699815e-08
 1.46395269e-08 3.21205391e-08 2.89917148e-06 2.01267710e-07
 6.73758566e-01 2.77717668e-03 5.63809706e-04 1.18023939e-01
 7.62142986e-02 2.83819204e-03 1.25607312e-01 1.04245873e-05
 3.57806812e-07 1.57168815e-05 6.54234327e-06 8.56008774e-06
 3.79755802e-05 3.39163620e-07 7.31494865e-08 1.23813697e-05
 2.35202453e-08 1.16900969e-06 5.75478907e-07 8.71493012e-06
 7.80705136e-08 1.58105612e-10 5.75741865e-07 4.81294345e-11
 9.18356761e-07 4.30632667e-08 7.30424517e-07 1.91533414e-10
 5.38548122e-08 1.83967245e-07 8.02700742e-06 2.05301561e-07
 7.32193143e-07 7.49714616e-07 6.11793939e-06 4.83061804e-08
 2.69400971e-07 3.41507955e-09 8.86848484e-10 1.13407594e-09
 1.52540225e-09 4.34420766e-09 6.78954348e-06 4.55517207e-10
 2.55158916e-08 2.36886262e-06 2.71704281e-09 1.33971567e-09
 1.09823688e-07 4.56695588e-08 1.07307041e-09 3.74695958e-07
 6.92059077e-10 1.76240835e-08 1.92305810e-10 7.43012833e-08
 1.00291004e-07 5.36349742e-10]


0.67375857


28


[1.16850103e-08 7.01940905e-08 1.28924460e-09 4.21022484e-03
 1.82332860e-09 6.92215165e-12 1.78259837e-11 1.46900721e-11
 2.04980234e-11 6.62644176e-11 7.36787298e-09 2.93883556e-10
 3.25276334e-11 1.99930385e-11 2.23917232e-05 1.70173475e-09
 2.24842878e-09 6.40036930e-08 3.39909856e-09 5.77637105e-10
 6.30820257e-11 1.30272486e-11 9.93265390e-01 1.18178511e-09
 1.10322746e-08 9.97262819e-13 1.47666173e-08 4.67203836e-12
 4.40391251e-10 4.06918561e-11 6.65361429e-13 5.79151782e-10
 4.12721593e-11 1.91308569e-09 5.33401268e-10 1.25154176e-09
 6.25059032e-12 1.26659956e-12 7.11506576e-10 3.91044532e-12
 7.78825338e-11 5.54609874e-12 2.31553546e-13 4.60322558e-10
 1.04407543e-14 2.92254800e-13 1.34315016e-11 1.98488920e-10
 2.28029011e-12 5.44413554e-14 3.50261378e-12 2.30168288e-13
 8.27727956e-11 1.22533428e-10 1.93850255e-10 4.08179176e-12
 6.70382600e-14 1.58428166e-11 9.82237452e-07 1.63207936e-08
 6.15801132e-10 1.24066185e-06 8.81603590e-09 2.25884964e-08
 6.44136522e-10 1.79280722e-11 1.27855726e-10 9.63193487e-14
 1.99356048e-12 3.87077093e-10 2.49954779e-03 6.84021459e-12
 6.54984456e-10 2.37202452e-10 6.50865681e-11 2.71075992e-11
 2.64869534e-13 2.31580310e-11 3.44761719e-10 2.52236790e-11
 4.22858866e-11 2.09742779e-11 5.03383168e-10 5.66375966e-14
 3.97498562e-10 4.53333291e-12]


0.9932654


22


[1.44459591e-07 5.05703952e-07 6.29136906e-14 9.99792278e-01
 5.95291483e-10 1.31473510e-09 2.03626456e-11 8.25213509e-11
 1.41240755e-10 4.39205922e-10 3.98321331e-09 2.47289358e-13
 1.05765414e-11 2.13047223e-12 2.03050658e-04 4.96649217e-13
 2.00578811e-12 8.75328143e-10 3.67945674e-11 3.57226991e-11
 1.11602936e-12 3.61971466e-13 3.90172801e-08 8.70251527e-12
 3.33937822e-10 1.05588349e-09 8.48077164e-09 2.47461708e-12
 1.03347046e-08 6.69983444e-11 2.01932858e-14 4.51510235e-14
 1.51708215e-10 1.11525971e-11 1.63568746e-12 1.06777691e-07
 7.53654029e-13 1.48384587e-13 2.05110240e-09 2.27592576e-13
 7.99639799e-11 1.30574414e-12 9.78482703e-14 8.20869062e-09
 3.42020406e-15 1.71218183e-13 5.80064208e-12 4.81653190e-11
 2.67048861e-12 2.23742415e-14 4.05521631e-14 2.22517382e-12
 6.52303822e-10 2.83997137e-09 5.12062400e-07 7.57567689e-11
 6.44997597e-12 1.20640477e-12 5.71440637e-08 1.79785360e-08
 6.69974497e-07 9.07883013e-09 2.33647916e-06 1.17093656e-07
 1.34643257e-08 1.01245201e-11 6.63248415e-11 8.58240481e-14
 9.10360762e-13 4.08781895e-13 2.27094704e-10 1.50614493e-12
 2.27443099e-11 6.48502172e-12 2.74798621e-11 2.54454686e-11
 3.03861060e-12 1.51712399e-12 2.19119480e-11 7.66530448e-13
 9.98324578e-13 3.29600323e-12 5.47616674e-11 7.60500343e-12
 1.55054958e-09 2.16130570e-14]


0.9997923


3


[6.96686868e-08 1.39314197e-05 2.07112517e-12 1.06507956e-04
 1.31414796e-10 1.34268072e-08 9.40025613e-10 1.64672269e-06
 5.53237420e-08 1.00622133e-09 8.26940905e-10 1.61322317e-10
 1.10710179e-08 2.86802054e-10 4.62348559e-08 1.51707660e-10
 2.01064734e-10 1.53880023e-07 5.12869081e-10 7.21069815e-10
 7.96877581e-12 1.02495920e-11 9.08300102e-10 1.53048643e-10
 1.98878958e-09 2.29802541e-08 3.54598114e-06 7.15168827e-11
 1.74362632e-03 8.51491222e-06 5.35395950e-10 7.10717096e-10
 6.85640202e-07 6.12862934e-08 6.51787175e-08 1.03315051e-06
 4.26832042e-10 8.35151615e-10 7.34046335e-09 9.41197009e-10
 1.54409907e-08 4.57087951e-10 1.15552368e-09 1.38930361e-07
 1.14961339e-11 1.59933844e-10 2.56280508e-09 5.38946594e-08
 1.32306954e-09 7.92012428e-11 3.99365707e-10 1.98813899e-11
 1.61496434e-08 4.41975381e-08 6.31121111e-07 5.76839110e-09
 1.05228391e-05 1.48151128e-06 5.57835866e-03 2.95829432e-06
 5.22938464e-03 2.31684571e-05 9.86297250e-01 8.13329010e-04
 1.62300727e-04 1.66798952e-09 4.28941398e-08 2.79078705e-11
 9.05587605e-10 5.65171347e-11 7.54529772e-10 1.68913261e-09
 6.00454220e-09 5.64549474e-08 4.49082327e-10 6.15325568e-10
 1.14518506e-09 9.56606527e-09 2.20786389e-10 6.85002943e-09
 2.40623216e-10 1.56168578e-09 4.32035829e-09 2.58169166e-07
 9.86033655e-09 2.28847039e-10]


0.98629725


62


[4.73632973e-08 8.72206698e-08 2.88993474e-09 4.24228546e-07
 7.77598038e-12 6.08022743e-10 3.88270804e-10 1.05642954e-07
 3.16176241e-08 6.55690258e-09 1.22423030e-10 9.67195302e-09
 5.24298862e-08 9.84532456e-10 1.49798996e-06 2.25091625e-08
 2.10220268e-08 7.49642131e-05 8.77591810e-06 2.32514822e-07
 1.89626337e-09 2.01204351e-08 2.08099382e-09 4.15072465e-09
 4.55828797e-09 1.17606325e-09 4.30901991e-06 1.54689331e-10
 4.94626118e-04 2.64319306e-06 1.46681272e-08 4.54353426e-08
 2.55184718e-09 1.42699628e-06 2.45365595e-06 1.80621512e-07
 8.92975205e-09 1.05294884e-08 2.96603986e-08 6.98145053e-09
 3.25190825e-08 7.93377719e-09 1.38579670e-09 4.05184615e-08
 6.62398261e-11 9.58698343e-10 1.50132227e-08 2.04088106e-08
 1.55037743e-08 9.23912835e-10 1.85662341e-09 1.04226714e-11
 6.03979933e-09 2.18646594e-08 1.63967524e-08 1.97816249e-07
 5.08113480e-05 1.99398063e-08 6.31600997e-05 3.80321535e-06
 9.80247915e-01 1.18172262e-02 8.20924834e-05 6.56352332e-03
 5.76887862e-04 6.94593751e-08 3.09846264e-08 3.37441047e-10
 2.74526485e-07 1.61818392e-09 1.20648735e-07 3.34745174e-08
 1.02707709e-08 4.43851832e-07 2.22190932e-09 8.04434563e-08
 7.29290983e-09 7.25167240e-07 4.06904344e-10 2.16644462e-08
 3.48705207e-08 1.85733884e-09 6.10702067e-09 2.34333314e-07
 7.40413908e-09 5.18479037e-09]


0.9802479


60


[2.8139309e-09 2.0504699e-06 1.9374696e-13 4.3689550e-09 1.5679644e-12
 1.5127536e-12 6.0075331e-14 1.8318710e-08 2.8211844e-10 2.2276186e-11
 1.3785243e-15 1.5082628e-11 3.4330472e-09 2.7929447e-12 7.0805350e-10
 6.0838320e-11 3.3787350e-12 5.5951165e-08 3.8007816e-10 3.3404880e-11
 1.3147269e-12 4.8401994e-13 7.7097541e-13 7.5520303e-13 1.1092584e-12
 3.6088847e-11 9.9645803e-08 1.2285236e-12 9.9998772e-01 5.9628469e-08
 2.4542430e-08 3.9769720e-08 1.0793228e-06 3.6507993e-07 2.2880927e-06
 6.3547517e-10 2.6630520e-10 1.1903962e-09 8.4313578e-10 1.3930174e-10
 2.2927626e-10 2.5850736e-11 1.5181367e-11 8.6611834e-10 1.5987526e-12
 7.6996703e-10 1.1694150e-10 3.2779102e-10 2.0599628e-11 7.7311362e-13
 1.3065038e-10 2.0498464e-15 2.5847728e-11 1.3711061e-11 5.1191389e-09
 1.2897115e-11 3.3127780e-08 2.5982942e-09 5.2559420e-07 8.5058930e-12
 1.5553059e-06 8.9833856e-07 3.0299877e-06 9.1090193e-09 3.7506469e-09
 7.6188361e-11 3.2325504e-13 9.0806167e-14 6.0185724e-12 6.4993109e-14
 3.1818469e-12 7.2583714e-12 1.8000117e-10 3.0637573e-10 9.5485729e-13
 2.2020703e-10 1.1887921e-09 2.8392358e-10 7.5796757e-14 1.2146458e-09
 3.9575092e-12 6.6102186e-13 1.2520740e-11 2.0681576e-09 2.8637666e-09
 6.0339944e-13]


0.9999877


28


[2.0148320e-07 9.9998081e-01 9.9218344e-13 6.1222681e-07 2.4654768e-12
 9.1568203e-10 2.1642980e-12 3.2235821e-09 2.4824782e-12 1.1775094e-09
 9.8792075e-14 2.7946987e-09 5.1835013e-08 6.1108925e-13 7.9039060e-09
 1.2138889e-10 2.7882264e-15 1.2955960e-10 2.1535518e-11 7.6641438e-14
 3.1205610e-13 1.3670671e-15 4.3361367e-11 1.9819761e-13 2.1484049e-13
 1.4447897e-11 8.6964652e-10 9.6014874e-13 1.8023400e-05 7.9334150e-10
 4.2565285e-11 5.1132584e-13 6.2020398e-08 1.4628631e-08 3.8071765e-10
 2.4542738e-11 1.7945751e-11 7.6468051e-12 3.6346818e-11 1.0456878e-13
 1.7893537e-10 2.8866980e-12 7.1754221e-14 2.2457994e-10 7.9723825e-14
 5.4023179e-12 3.1686181e-11 1.1336948e-12 7.0890705e-13 8.4474596e-14
 5.9934432e-12 1.5862627e-13 7.3570447e-12 6.8351547e-11 6.7413835e-09
 1.6544742e-10 1.6141030e-10 1.2811320e-10 5.2336802e-08 6.0275604e-12
 1.4528686e-09 6.0790574e-11 5.7538951e-09 2.0305473e-11 1.7292406e-10
 1.4836292e-11 3.1141886e-12 1.2804712e-12 4.7347038e-13 4.2722405e-12
 2.1003230e-09 4.5633494e-11 8.5854735e-12 1.5831128e-10 2.4050301e-13
 4.9816307e-10 6.5874237e-11 8.6038284e-13 3.7162175e-14 1.4258189e-10
 1.6443363e-12 6.7599756e-13 5.5787042e-10 4.4253315e-10 1.2942517e-07
 2.3051010e-12]


0.9999808


1


[1.50948767e-06 1.89834878e-07 2.84148344e-10 3.47665773e-04
 5.79493697e-09 9.00654243e-07 1.17320176e-09 6.84366522e-11
 6.37904066e-07 1.48286592e-08 4.00215902e-11 2.13120410e-09
 9.46619821e-07 2.34979947e-09 1.53673307e-09 9.54128332e-10
 6.11403417e-09 1.87869261e-07 3.25262626e-08 5.37339151e-09
 9.19354259e-10 2.64836653e-10 1.53388449e-08 1.05419373e-09
 5.30801236e-10 4.85569842e-08 1.79597657e-04 1.51501425e-08
 9.94881153e-01 1.19535016e-05 1.07883578e-04 2.10772009e-06
 2.25121621e-03 4.43611090e-04 1.34746238e-04 9.17532077e-07
 2.70912515e-09 3.91954387e-07 7.49010724e-07 1.40941170e-08
 3.04541572e-06 5.58870390e-08 3.54559826e-09 6.32501838e-07
 1.65907181e-08 3.89035293e-08 2.73720417e-07 6.68918503e-08
 9.93962868e-09 8.81126005e-10 2.64039159e-07 2.78460881e-08
 1.48470827e-08 1.57390446e-06 2.10449343e-07 1.19969155e-08
 9.20856655e-06 6.04618481e-06 1.35168782e-04 2.68381882e-07
 6.32049341e-04 2.07364837e-06 7.28091982e-04 3.23931417e-05
 7.98040564e-05 1.35385680e-09 1.61603822e-07 9.16434095e-10
 2.21005791e-08 1.12764398e-09 2.35064022e-07 1.70275243e-08
 7.77978997e-08 4.93337815e-08 5.13160671e-07 8.91027199e-08
 2.80633099e-08 7.63385266e-09 1.16308696e-08 4.78549858e-08
 1.10537677e-07 2.49887355e-09 1.14220566e-09 1.27957932e-07
 1.69929962e-07 5.07987636e-07]


0.99488115


28


[3.3403600e-07 4.5314200e-10 7.7408609e-12 1.6179766e-09 8.9572363e-11
 6.5884222e-11 9.8894309e-11 1.0778670e-08 4.7004506e-10 1.1524954e-09
 3.6838550e-11 1.3323532e-06 4.6659360e-10 2.3101769e-09 2.1095743e-06
 1.9854637e-08 8.7513087e-08 9.8376322e-01 2.9989521e-03 2.6346379e-06
 6.8101560e-09 5.5010230e-07 4.0768608e-08 5.8404463e-08 1.5057724e-08
 5.3188285e-09 7.4103577e-06 4.2822565e-11 3.6459010e-06 1.1043186e-02
 1.2442003e-08 4.7199658e-09 8.9221430e-08 1.7603939e-05 1.3140135e-03
 1.1780499e-07 1.2552047e-09 1.5857330e-08 1.8839297e-09 5.3830373e-08
 2.8459053e-09 1.9013321e-10 1.3503154e-10 8.1759249e-10 5.1400928e-10
 3.8210872e-11 1.3713796e-08 4.5861909e-10 8.1739443e-10 3.4688957e-11
 3.5831802e-09 2.7860458e-10 1.2028506e-09 1.1707216e-11 6.1660912e-09
 2.8394802e-09 1.5168938e-04 2.8644607e-08 2.7498375e-08 3.4712706e-08
 6.4678321e-04 2.6568887e-05 1.5790531e-05 2.0994148e-06 9.1672000e-08
 6.2777033e-08 9.4259924e-09 4.3689156e-11 8.3742077e-07 9.3856234e-10
 2.7091474e-08 1.5753175e-08 3.7976428e-10 4.2832351e-08 4.4348035e-08
 6.4382326e-11 8.5778239e-11 3.8852217e-08 5.2969962e-11 2.0104104e-10
 3.0878402e-09 1.3033176e-10 1.3448567e-09 1.0212794e-07 1.5958063e-08
 2.3514727e-12]


0.9837632


17


[1.36364857e-03 1.17737627e-05 2.33321998e-07 3.41124032e-05
 1.33143780e-08 2.24059750e-06 3.07107200e-07 8.84017254e-07
 8.18266824e-04 1.20389120e-06 7.92795163e-09 7.29907015e-08
 3.28074857e-05 9.42770328e-07 1.24870960e-04 2.34904765e-05
 3.80748497e-05 6.32881893e-06 2.06650634e-06 1.88185709e-06
 2.50963967e-06 4.92695051e-07 7.54917619e-06 1.62137769e-06
 1.23222355e-06 7.82244932e-03 8.09652079e-03 6.53195002e-07
 2.40678683e-01 3.08789779e-03 1.69698455e-04 1.66760781e-03
 3.99065344e-03 2.57686973e-02 2.33418748e-01 3.68161767e-04
 3.22159303e-06 2.51790334e-04 1.48463179e-04 1.96539724e-04
 3.81509395e-04 7.55231622e-06 5.08133212e-07 1.68520579e-04
 3.69371165e-08 2.23965094e-06 6.15069948e-05 5.11024300e-05
 3.91243816e-07 1.13158251e-06 1.29053122e-04 2.61428266e-08
 3.08889321e-05 8.95002668e-05 2.00127834e-03 3.40633619e-06
 1.29255438e-02 3.62217950e-04 5.87340770e-03 1.38510438e-03
 1.64703071e-01 2.45339740e-02 2.16529965e-02 2.14574665e-01
 2.19004527e-02 8.05925720e-06 7.12865869e-07 1.15978274e-07
 1.55658126e-05 1.13490835e-07 2.82447172e-06 6.95775525e-05
 1.14219092e-05 1.00790647e-04 5.90685386e-06 2.80836011e-05
 1.23458187e-04 1.36480903e-05 2.12910010e-07 2.33570943e-04
 6.09786912e-06 1.76552730e-05 5.72852696e-06 1.53045956e-04
 2.16901433e-04 7.93647015e-09]


0.24067868


63


[1.20395116e-05 2.17686605e-07 1.15820387e-09 4.57478677e-09
 1.19385224e-10 2.84601054e-09 5.30005484e-10 3.48898777e-09
 3.59124698e-07 2.01281960e-08 4.00200452e-06 1.97580647e-07
 5.62390756e-09 5.86852309e-08 9.70377862e-01 2.34620625e-08
 1.81183846e-09 1.06686806e-04 1.28888569e-04 1.73645788e-07
 2.11805973e-09 1.76356671e-08 1.26850793e-07 6.78424854e-08
 1.34613202e-07 3.14342424e-06 6.30209513e-07 8.57052068e-11
 2.67126676e-08 3.23813065e-09 7.85247561e-11 3.11304316e-11
 4.44282888e-10 3.37549322e-10 8.85464480e-11 2.74488787e-08
 7.61478658e-11 1.04508147e-09 7.14889570e-09 4.40484405e-09
 1.30005207e-09 1.85262153e-11 8.79811363e-11 2.98898925e-07
 8.13457374e-13 1.35011490e-11 6.48861587e-09 5.38427858e-10
 2.57752319e-10 1.60310015e-10 7.16919579e-10 3.44673010e-12
 5.64145131e-09 4.89899961e-11 1.10758374e-04 5.26076860e-07
 1.01995985e-08 1.57031013e-10 2.34670551e-06 1.07588356e-08
 1.16620633e-07 9.75883268e-08 4.17484216e-06 1.41629425e-06
 3.18194020e-06 8.19953669e-08 1.58916297e-10 1.12300913e-12
 8.98344399e-10 3.62021724e-09 5.89623532e-12 1.66743675e-07
 1.90308054e-08 4.27554747e-09 2.35247294e-10 3.22080779e-10
 6.53068177e-09 1.06419895e-09 9.18504647e-11 9.59551327e-10
 1.40992232e-10 1.37751199e-09 6.04413075e-10 1.05396893e-10
 2.92420425e-02 2.72945349e-13]


0.97037786


14


[6.89000579e-10 9.25770094e-13 9.15105123e-13 4.57686555e-10
 7.49758422e-10 5.95367158e-12 1.67807738e-12 1.83205701e-10
 1.40280330e-08 5.74132131e-10 1.29204625e-09 8.16974613e-11
 9.03339556e-11 1.97931220e-11 8.19663484e-08 2.21168292e-10
 5.25196128e-07 9.99933720e-01 5.26998301e-05 1.04361134e-05
 1.40430236e-08 8.86693741e-08 2.58609045e-09 7.69710482e-08
 6.76519463e-08 7.00521802e-12 1.43910725e-07 7.31249176e-12
 6.12393858e-10 4.55601418e-10 8.92689325e-11 6.60267327e-11
 2.41498710e-10 1.74165699e-11 2.12689089e-09 8.10620726e-09
 2.79097422e-11 1.14000004e-10 1.34033262e-11 4.13778012e-10
 1.25689693e-11 1.80297747e-12 8.38050809e-11 4.28013215e-11
 3.43618932e-13 1.04878291e-12 2.64113106e-11 2.27157477e-11
 6.96822808e-11 1.40844472e-11 9.86051085e-12 7.52534233e-12
 4.07250136e-11 2.73850305e-13 3.69283426e-09 6.87593260e-10
 8.18910735e-07 8.36364519e-11 1.41108183e-08 1.04091857e-09
 9.64451715e-07 5.02561281e-09 1.27481783e-07 4.44951951e-08
 9.50621342e-08 1.60688607e-09 8.44871308e-12 3.12869644e-14
 4.33491541e-11 8.00396099e-13 8.27865484e-11 2.40241052e-12
 3.29214850e-11 1.46459134e-09 4.36336601e-12 1.20191224e-13
 1.16282097e-11 1.23218802e-09 1.05682173e-11 1.98280350e-11
 4.67550608e-12 8.28168714e-11 4.95111677e-12 4.13581739e-13
 8.37719227e-09 1.19660937e-14]


0.9999337


17


[1.63579745e-08 2.51290704e-08 3.44346687e-12 2.98419067e-08
 2.82119316e-14 1.62136641e-11 2.21316173e-12 1.20901386e-10
 2.30557617e-07 7.09636661e-09 5.76295622e-10 1.08496805e-12
 1.01383737e-08 5.65844160e-12 4.49181980e-09 2.49027257e-11
 4.06231472e-11 1.70748637e-09 9.40206316e-11 2.44818416e-10
 1.31214128e-11 6.83098370e-12 3.24910188e-09 5.64925173e-09
 7.98990929e-10 9.47834033e-10 1.25471852e-05 1.44184605e-13
 2.09538072e-07 1.82087415e-10 2.12068262e-11 6.88929191e-11
 2.04545092e-08 1.31244165e-11 1.44894798e-07 2.49725285e-09
 2.71374893e-12 1.88185127e-11 8.12350257e-11 1.16113655e-11
 9.66126512e-10 7.32671649e-12 8.74811681e-12 1.77273352e-09
 1.15977123e-14 6.06509797e-13 4.52090969e-11 4.80741280e-10
 5.19799741e-12 2.31731734e-12 5.17019552e-11 2.18983089e-13
 1.82841908e-10 8.71150652e-11 4.55009342e-07 3.25681260e-10
 2.92557701e-07 2.21116903e-09 2.10173335e-03 5.36599543e-07
 1.98006946e-05 8.67289873e-06 3.87550541e-03 3.59644218e-05
 9.93943870e-01 3.53754998e-10 8.22975021e-12 5.75302745e-14
 1.21213733e-11 5.17463676e-14 2.33337100e-10 4.13950874e-10
 1.87920887e-10 8.50534843e-09 1.01943202e-11 6.88635564e-13
 5.25836208e-10 2.13228080e-09 4.59650026e-12 4.10877554e-10
 8.60848198e-12 5.62601188e-10 7.57769715e-12 2.72610268e-11
 8.47688071e-08 1.28598548e-13]


0.99394387


64


[4.3283839e-07 9.2435819e-08 2.6606802e-11 1.8445152e-07 4.6510969e-11
 2.1366182e-09 4.9739345e-11 8.4859501e-11 7.6855668e-11 6.2789457e-10
 1.8406722e-07 2.6956568e-10 2.1340106e-10 2.8758732e-10 9.9991345e-01
 1.6966309e-10 5.6582228e-11 1.0753079e-06 5.6304645e-05 9.7679864e-09
 3.2664624e-11 7.9459994e-09 1.1305330e-08 2.1802933e-09 4.6985843e-08
 3.0503224e-07 1.3941452e-09 3.7449996e-13 2.6677602e-10 2.1745722e-11
 2.9401554e-14 1.6066501e-14 6.7018243e-14 5.0373841e-12 3.0861366e-15
 1.3918019e-09 4.3269863e-12 1.9126137e-12 4.3176150e-11 8.4319938e-12
 6.1834773e-09 8.0411036e-13 2.6553794e-13 4.0771273e-08 9.2287278e-16
 4.0229179e-14 1.1834569e-10 1.4328819e-10 1.9383590e-11 1.3665913e-12
 1.1534266e-12 8.8792922e-13 4.9926907e-10 2.3075993e-11 1.5055018e-06
 5.5593469e-10 2.1378728e-10 1.0090075e-12 1.6344056e-07 1.5251311e-11
 2.0467657e-10 5.7832406e-11 4.8628905e-09 3.4362529e-08 1.1275009e-08
 9.6030517e-10 6.1776827e-11 4.3469405e-15 3.3676737e-13 2.1489999e-11
 2.2292645e-14 5.7279233e-11 6.8291692e-11 2.1152684e-10 6.5636467e-13
 1.4019008e-11 4.5951546e-12 1.3888032e-12 1.2903459e-12 1.2775600e-12
 1.2862908e-13 5.1276344e-12 4.8161055e-11 3.3963210e-13 2.6088328e-05
 2.4817392e-15]


0.99991345


14


[2.01160311e-10 2.40788813e-12 2.33308880e-12 1.50159563e-09
 7.85078402e-09 1.11962306e-11 3.90589904e-12 8.35519987e-10
 1.72988268e-09 1.04028164e-09 4.99136399e-10 4.28807337e-12
 4.72107509e-12 3.84768606e-11 9.13189595e-08 5.10748943e-10
 1.73420375e-07 9.99910951e-01 1.17731061e-05 7.65006189e-05
 1.02409352e-08 6.77349732e-08 5.59645275e-10 2.92776701e-08
 5.96897749e-08 1.96883265e-12 3.14918829e-08 7.81703348e-12
 3.60541930e-09 1.17830865e-08 1.32521479e-12 3.56356090e-11
 5.97829685e-12 4.83316609e-10 2.10825749e-11 1.87972020e-08
 6.67420008e-11 3.62618095e-11 3.57724701e-12 1.13321470e-10
 2.15690868e-10 6.73471749e-13 1.62799513e-11 1.38859653e-11
 6.24036413e-14 9.74616302e-14 6.97438244e-12 5.70588264e-11
 2.94705954e-10 1.62431960e-11 1.62893538e-12 9.01507775e-12
 6.68750402e-11 3.45569737e-13 8.33204883e-09 2.63001686e-11
 7.72354696e-08 2.16906580e-11 3.27391270e-08 2.80053147e-10
 4.24865370e-08 2.99810898e-10 1.00911679e-08 5.93215859e-08
 8.89357199e-10 2.17282770e-09 2.15059900e-10 4.00037991e-15
 2.66592976e-12 2.07616368e-13 5.75959983e-12 5.58527630e-14
 1.56796746e-11 5.82121074e-10 3.21180040e-13 5.49612320e-15
 1.22622114e-13 2.62905531e-10 3.37154241e-12 2.91295417e-13
 1.58723552e-13 1.54273712e-11 9.81433684e-12 1.72207355e-13
 3.90561450e-09 2.41707001e-14]


0.99991095


17


[2.1598718e-05 2.9680700e-06 1.0346345e-12 1.0675574e-07 1.3397628e-11
 3.2323824e-09 4.3988403e-11 2.8384223e-10 7.2577045e-08 1.0551149e-09
 9.5799685e-08 3.0630370e-10 3.0842093e-06 3.9050964e-11 1.7997339e-05
 2.8470906e-11 1.4398436e-12 1.0096172e-08 2.5915259e-10 3.9283837e-10
 5.3522499e-12 6.8395372e-12 1.4774662e-10 4.6781539e-09 4.0837747e-10
 1.7111686e-04 3.7425395e-06 7.2405168e-12 1.0878554e-07 1.6266737e-10
 2.0657959e-12 5.3134684e-11 3.3993439e-10 3.4679773e-10 2.5240863e-11
 3.4183112e-09 2.1880997e-12 4.8716994e-12 1.5750691e-10 2.1079205e-10
 3.0652882e-09 1.1324593e-12 4.0559239e-13 2.8874933e-08 7.6145377e-17
 1.1191350e-13 3.8080214e-10 3.8508816e-10 2.8388036e-12 3.2881493e-12
 4.7073380e-11 2.1485836e-12 1.3163816e-09 8.3960633e-10 2.7479564e-03
 1.4159241e-08 1.0623690e-08 8.4652847e-11 9.3743637e-07 3.9777563e-09
 9.4740341e-11 2.3447297e-10 5.9881344e-08 7.2116535e-07 3.7181067e-06
 2.4772382e-09 2.4665057e-14 2.7567079e-14 2.7552600e-12 1.6392681e-11
 8.2590225e-14 2.2587410e-09 2.8283095e-11 5.8549388e-10 2.5842624e-12
 3.9443722e-12 2.3039211e-11 2.1787390e-11 7.6085392e-14 5.3318131e-11
 5.3417329e-13 3.5152219e-09 1.6890016e-12 1.3519187e-09 9.9702567e-01
 3.1942328e-15]


0.99702567


84


[9.56230104e-01 1.30368817e-05 2.34330622e-09 1.00936592e-02
 3.94914934e-11 3.18892404e-07 6.88843371e-10 2.83792846e-12
 8.22793709e-08 1.90443591e-10 2.09976706e-11 1.12111726e-11
 1.11018950e-09 3.35919959e-09 3.39129485e-07 1.12761155e-10
 7.85941889e-09 4.54315724e-10 8.11725520e-10 3.45792817e-09
 3.95415034e-09 1.27806155e-09 7.18108994e-09 2.06732564e-09
 4.28470548e-09 5.16142109e-07 2.77085491e-07 2.52855126e-10
 5.28530686e-09 2.39779530e-10 3.27764621e-11 3.56402174e-09
 1.51178681e-09 1.55326312e-08 6.64293898e-10 1.24564750e-07
 1.15804158e-10 5.67574356e-11 7.41722260e-07 1.85157958e-10
 3.71852730e-06 3.48466173e-10 1.63615274e-10 3.25413612e-06
 1.31939061e-14 1.31651929e-11 4.75984629e-09 2.56966501e-07
 3.87980446e-11 1.36961371e-11 5.76086956e-11 2.96351210e-08
 1.55703930e-08 6.87410648e-05 3.35437432e-02 2.75838102e-11
 1.19990196e-09 2.54507223e-12 5.61384468e-08 3.98344007e-08
 2.99152014e-09 4.39059988e-09 6.56129657e-08 2.44168689e-07
 3.48989693e-06 4.65812597e-08 1.71219372e-09 4.34289750e-14
 2.33188881e-12 1.03783017e-10 7.30278546e-11 2.11807290e-11
 1.12058185e-09 2.03721360e-08 3.59207580e-10 6.33638031e-10
 4.71866990e-10 2.87308932e-09 3.08383180e-10 1.45772665e-11
 1.88755872e-10 2.14660754e-11 1.52407698e-09 2.00825554e-12
 3.69273876e-05 1.97680996e-13]


0.9562301


0


[7.4340774e-06 1.1652759e-07 6.8221262e-12 9.9976331e-01 2.1458986e-09
 4.3457472e-08 1.1263757e-11 3.4715393e-15 7.2748314e-11 3.5154488e-12
 1.3284529e-12 3.9657915e-13 2.1826234e-10 3.6728367e-11 7.3310190e-08
 1.7487540e-13 1.2374037e-09 1.2810293e-10 8.4617598e-11 5.5509902e-10
 3.0302377e-10 2.2648565e-09 1.9478692e-08 5.6435991e-11 1.8655628e-09
 1.3811105e-10 2.8942679e-08 2.5380737e-12 1.1624279e-07 6.1765815e-10
 1.2997404e-12 1.1615202e-09 2.0839583e-09 1.1960023e-07 4.5935489e-10
 3.2073373e-08 1.9689006e-10 2.2020800e-10 5.5838459e-06 8.2709421e-12
 1.9292049e-04 1.5925032e-11 1.2033141e-11 2.9841252e-05 1.6034923e-13
 8.4865812e-12 1.4699880e-10 3.6437179e-08 5.2155428e-12 1.0447692e-12
 8.8774552e-12 1.6456008e-08 6.3882397e-09 8.1761279e-08 7.7577937e-08
 1.8242239e-14 7.5624816e-14 1.1950005e-14 1.2318628e-07 4.5291260e-10
 2.2021316e-09 3.8411168e-09 2.0858362e-08 6.8186402e-08 9.6305035e-09
 2.5049543e-10 3.0053851e-09 6.6997409e-15 2.3135685e-14 6.4914887e-13
 3.8369119e-10 6.5942612e-15 1.1581703e-10 3.6791839e-10 2.7264335e-11
 2.0570273e-11 2.1829573e-13 2.9016495e-10 2.5500324e-10 1.8748300e-13
 1.0723155e-11 4.0629958e-14 2.6225409e-11 2.6459492e-15 6.2071756e-08
 5.0265912e-15]


0.9997633


3


[1.35563361e-09 1.63385156e-11 4.22746343e-12 5.49755477e-08
 1.72396486e-10 2.97425159e-15 1.48639496e-13 9.49630782e-13
 1.71257053e-09 6.76767996e-16 1.17536864e-17 1.00488804e-13
 1.93904248e-09 2.07581782e-13 8.21114661e-13 1.15484124e-11
 3.10105852e-09 7.60416841e-10 6.81752876e-10 1.74131554e-09
 7.62609698e-11 9.37004918e-11 2.00762107e-12 9.94535773e-11
 1.11416232e-11 4.55366756e-13 2.70993339e-10 7.97805363e-11
 4.89229242e-05 1.11743684e-05 2.32950335e-08 9.99237299e-01
 1.49197456e-06 4.00333112e-04 2.99203210e-04 8.86476741e-08
 2.82599744e-09 7.99284052e-08 8.44000869e-09 2.27192789e-08
 1.22941674e-06 3.52448799e-11 6.78255141e-13 1.36417038e-08
 9.07577995e-13 1.72700257e-10 8.40518696e-11 4.45977228e-08
 2.00250608e-10 3.41562241e-14 1.48362711e-10 4.22965536e-13
 8.69646161e-11 3.67326265e-12 6.29267402e-11 1.64226758e-16
 1.59842226e-11 9.73983047e-12 5.80951620e-10 1.10319642e-10
 8.12759744e-13 1.08766850e-10 2.01281144e-13 2.71590194e-12
 4.93418284e-12 1.34517679e-12 1.12905900e-13 2.04455441e-14
 9.18440027e-15 6.78413001e-13 2.95599031e-11 1.95885348e-15
 1.56753308e-11 1.32106681e-09 4.70110333e-13 7.79882140e-14
 2.16666182e-11 4.53309335e-10 1.26382547e-13 1.38039614e-11
 6.80750639e-15 1.05150036e-12 2.52506218e-15 2.88752285e-13
 2.27489716e-09 1.08870873e-13]


0.9992373


31


[2.14814872e-06 7.22469267e-08 7.20110152e-11 9.99908686e-01
 1.48192532e-06 6.76115088e-13 2.43479347e-12 4.91360479e-13
 1.57121291e-14 9.02260905e-12 2.60749894e-11 1.70547214e-12
 1.17549536e-12 2.39443963e-13 8.72446835e-05 7.06315353e-11
 1.07051293e-12 7.26482347e-11 1.13644961e-11 2.18248697e-10
 4.90088074e-11 3.65130391e-11 1.80338233e-07 7.42600564e-11
 5.24075894e-10 3.46630277e-14 4.52184921e-11 7.23516841e-13
 1.51863777e-09 5.41534959e-12 6.34084375e-15 1.06470099e-09
 1.22560415e-12 6.61348920e-10 2.89707060e-11 4.55762361e-09
 1.41597476e-12 4.33451662e-15 1.14628800e-10 1.42488221e-13
 1.11162454e-10 9.51846566e-14 1.59240275e-16 1.38589862e-09
 1.34196608e-16 3.33894332e-15 2.30172782e-12 1.18536639e-11
 3.42130377e-13 4.13357796e-16 1.32990556e-13 3.59050723e-12
 5.43385233e-11 1.38515532e-10 3.76852016e-09 2.50700085e-14
 1.96261531e-16 5.50571945e-16 4.22097948e-08 4.80600663e-11
 1.29309364e-13 8.71149641e-09 1.14751188e-12 2.15492998e-10
 2.85891588e-10 1.76041432e-13 3.36123409e-13 2.17688670e-14
 3.50164098e-14 8.24052371e-12 2.62828976e-08 6.02318962e-14
 8.62739676e-13 8.51160697e-10 3.95822351e-12 1.93971547e-10
 2.97887843e-12 2.36123014e-11 1.83357964e-11 1.30025418e-12
 2.72852606e-15 2.27685546e-13 4.79088232e-13 8.58877178e-15
 2.33112835e-10 1.33209389e-13]


0.9999087


3


[1.75459888e-07 1.66469158e-06 2.75849232e-09 1.57503149e-04
 4.91457604e-11 2.21946683e-10 4.61357758e-11 1.52157487e-09
 2.23890706e-09 4.19589974e-10 5.75862413e-11 4.76171294e-13
 4.30236042e-08 2.39992581e-10 8.96291663e-09 1.83764934e-10
 1.48586716e-11 1.29648653e-10 9.69766281e-12 3.24600929e-10
 1.02572005e-11 9.91966665e-12 2.45343639e-08 2.40419101e-10
 4.82591578e-10 2.32390027e-11 6.40529436e-07 1.80412699e-11
 1.25290699e-05 3.43146733e-09 1.43363715e-11 3.64329544e-08
 1.44013870e-10 8.01714691e-07 1.94340877e-09 3.15041461e-07
 1.30330455e-10 4.59469685e-11 1.63206915e-09 3.43348058e-11
 8.36149905e-09 5.09320468e-11 4.95368590e-12 4.00528933e-07
 6.38937579e-13 5.53787441e-12 4.14158569e-10 9.35293887e-09
 1.39644268e-10 2.08290741e-12 3.32596485e-11 3.07293163e-10
 8.21220070e-09 3.31211112e-07 5.20782972e-09 8.57649576e-11
 8.76132233e-09 4.17430934e-09 9.92136955e-01 2.74906080e-04
 2.45297311e-08 1.43290617e-05 4.01905072e-06 7.39352312e-03
 8.77882769e-07 2.70215361e-12 2.27522667e-10 1.73147065e-12
 6.53084845e-13 8.09632361e-11 7.78962033e-07 1.08436100e-10
 1.31083677e-09 6.98365952e-08 2.14776495e-11 5.10088061e-09
 1.34444322e-09 1.53980739e-09 3.93437477e-10 4.71080863e-09
 1.53497354e-11 2.20309193e-08 1.05550313e-09 1.78551202e-10
 8.04339972e-09 2.75610978e-09]


0.99213696


58


[1.03465254e-06 4.59215102e-08 1.56391607e-07 8.01549413e-06
 1.26642835e-10 1.49593116e-09 2.14286630e-10 9.42081613e-07
 9.94616123e-09 6.18030782e-09 2.73380465e-07 1.62951042e-10
 3.37151249e-07 4.49111370e-09 8.89675357e-06 8.13175216e-09
 1.68293557e-08 1.13173695e-02 3.80992424e-04 2.63204697e-07
 7.76618148e-09 1.79393169e-07 1.92478637e-08 3.99736066e-09
 9.87047741e-08 1.74837798e-08 2.61442369e-06 1.33327838e-08
 2.18753376e-05 1.73037435e-07 1.61009373e-09 5.42662493e-09
 1.06628351e-09 9.49792320e-06 7.19060864e-08 6.67909774e-07
 2.57560195e-10 1.33345579e-09 2.92474454e-08 6.87203627e-09
 2.27893651e-08 3.59003991e-08 1.55065312e-08 4.80854851e-07
 3.41882633e-11 2.66142733e-11 2.96369986e-08 8.47149266e-08
 7.71402497e-09 5.66144215e-11 7.14927340e-10 6.86834101e-09
 2.23959105e-07 6.43513776e-09 4.33058567e-09 1.57969882e-09
 1.33567883e-04 8.10937095e-09 7.15924602e-04 1.95071176e-02
 8.39704990e-06 8.07962060e-05 1.74761226e-05 9.67096329e-01
 6.83629536e-04 8.09831846e-09 4.43552195e-10 4.46763945e-11
 2.66540234e-09 2.07945643e-08 4.38331767e-07 1.18012757e-07
 1.48272079e-07 1.27941092e-07 3.60585606e-09 3.37624243e-07
 6.33169783e-09 6.66027944e-08 6.01274086e-10 1.60737592e-08
 6.32679686e-09 1.75824241e-07 7.06089320e-09 4.91667777e-07
 6.40727791e-08 1.46699605e-07]


0.9670963


63


[1.6887601e-08 1.9664944e-06 2.1050274e-10 1.2834736e-06 1.5090157e-11
 3.4246098e-12 7.4223953e-11 4.8121262e-07 6.6585820e-08 2.9275151e-08
 3.8235647e-11 5.2427250e-08 1.7207914e-07 5.0297722e-10 4.2227700e-07
 2.2469457e-09 4.5257756e-11 6.8638052e-08 4.1839305e-09 2.0761557e-09
 3.8329988e-11 9.3880140e-11 3.0256495e-09 4.6731414e-09 3.2859533e-09
 8.3271173e-10 4.1118174e-06 6.8299021e-12 6.6172954e-04 4.2766742e-06
 2.4986047e-10 2.2123074e-06 4.0394391e-10 1.7304814e-07 3.6833691e-07
 6.4537895e-09 1.2748833e-09 2.5107423e-11 1.2179555e-09 7.4196532e-10
 5.5064192e-10 3.8261914e-11 1.1190014e-11 1.1055129e-08 7.7498702e-12
 8.6948851e-12 5.8876406e-09 7.8910762e-09 6.8173592e-11 1.5634457e-11
 3.3577413e-10 1.5161735e-11 2.6621869e-10 8.3197665e-10 3.0542813e-09
 1.2797094e-09 4.5124156e-07 6.0798895e-09 3.2976887e-03 1.6514083e-07
 2.4216997e-05 9.9572754e-01 6.3129221e-05 1.3179502e-04 7.6936733e-05
 3.6198645e-11 1.6043607e-11 1.9093909e-11 1.5123501e-10 2.2099496e-10
 9.4142028e-09 1.2599206e-08 3.7812992e-10 2.0695184e-08 7.6740003e-12
 6.5666970e-09 1.5980825e-10 7.1998323e-09 4.4629075e-11 1.8089091e-08
 1.5152693e-10 7.5067632e-08 4.0695911e-10 2.7932856e-07 4.3534488e-08
 1.4500752e-10]


0.99572754


61


[1.09005507e-08 9.99999166e-01 3.78100433e-11 2.39294096e-08
 6.08552000e-13 7.12425344e-13 9.54145400e-13 8.47011563e-08
 1.16316557e-11 5.42032030e-10 3.15671230e-12 2.29839117e-08
 4.04181755e-09 2.39936196e-12 3.86827764e-07 1.06204793e-11
 9.46600146e-15 3.41372763e-12 8.89808435e-11 3.89027265e-12
 5.86463183e-14 1.00920079e-14 2.58517738e-11 1.15954772e-12
 1.66936413e-11 8.69677039e-11 8.77284790e-13 7.86656642e-14
 4.47430271e-09 1.01678652e-10 2.86013448e-14 6.56218396e-12
 1.57652086e-11 1.18196512e-11 1.89226334e-13 2.76657278e-12
 5.01581155e-12 1.07027593e-14 5.15378789e-14 3.99475434e-15
 1.40589959e-13 4.03228449e-13 9.86465921e-15 2.06472367e-10
 2.62801051e-16 1.14059873e-14 9.77706089e-13 1.24536083e-13
 5.27534025e-15 2.94973227e-14 1.72413177e-13 5.72763806e-15
 1.30588216e-12 7.48335161e-12 5.90857432e-11 1.63800969e-11
 8.24349337e-14 6.43656745e-14 1.29384796e-08 2.58570509e-11
 6.61353871e-12 7.15128223e-08 1.47056844e-09 2.19706947e-10
 6.98211888e-12 2.16635325e-12 7.39607553e-14 4.48551244e-13
 3.60849385e-14 2.17557188e-11 6.55462618e-09 2.66597439e-10
 7.97714950e-11 3.47079657e-11 3.16601908e-14 2.10176831e-09
 1.08564225e-11 3.47170144e-12 2.19902398e-13 1.82528714e-11
 3.46895737e-14 1.66803706e-11 4.34032255e-10 1.00922215e-10
 2.74547716e-07 1.35276800e-13]


0.99999917


1


[7.69484032e-09 7.56929239e-08 2.05141903e-10 1.24360595e-04
 5.47776408e-12 1.05474761e-11 1.32198627e-11 1.14133003e-09
 1.85507204e-07 1.16578747e-08 7.32828381e-12 1.00614548e-08
 3.08844932e-07 3.90660872e-11 2.39111930e-08 8.51330950e-11
 6.88233290e-11 5.09891640e-09 5.49403023e-10 6.26560448e-09
 1.93095540e-11 4.28440183e-12 3.55280214e-08 2.09258322e-09
 1.97652159e-10 1.49882988e-11 3.36703636e-07 6.85832207e-12
 2.07003439e-03 2.22841045e-05 2.34167741e-10 9.35507796e-06
 8.26382504e-11 2.45830023e-07 2.14385576e-08 1.01446673e-07
 2.58605970e-10 9.52758358e-11 3.62467723e-09 1.49828747e-10
 5.27835942e-10 2.76526024e-10 3.36016002e-12 5.47479573e-09
 1.03341615e-11 1.51697786e-11 1.01017539e-09 3.06722286e-10
 2.88881679e-11 5.98046309e-12 1.49619719e-10 1.59172085e-11
 4.46835971e-11 1.22423716e-09 4.17447327e-11 1.31011713e-09
 1.64216551e-08 1.69388559e-09 8.00444013e-06 1.47956371e-07
 2.78104835e-05 9.97699082e-01 5.40311567e-06 3.13964774e-05
 3.84934140e-07 1.58607936e-13 4.42853870e-12 1.46361239e-11
 2.91907904e-12 3.60261786e-11 2.35442457e-07 9.13272125e-10
 4.69458084e-10 8.68392358e-10 5.25795900e-11 1.41153160e-08
 2.42624202e-11 1.70645131e-09 5.21831536e-11 8.41982595e-11
 3.19242410e-11 3.15244941e-09 9.11462239e-10 2.09303797e-09
 1.70874852e-08 3.47684037e-09]


0.9976991


61


[7.83532528e-08 6.18790864e-07 2.18807150e-09 2.23978950e-05
 1.94695016e-09 3.83055436e-07 3.35370709e-09 1.02794661e-06
 5.04586922e-07 1.05369395e-07 5.99096097e-08 1.84471496e-08
 2.01116359e-06 1.84088478e-07 1.35514701e-05 2.32813395e-08
 5.74116790e-08 4.24448820e-03 1.15690491e-04 1.74515924e-06
 9.19285270e-09 8.14351893e-08 3.77251240e-07 3.39602707e-07
 1.48785455e-06 4.95918641e-07 7.33314300e-06 6.98876645e-09
 3.57115263e-04 8.99165389e-06 8.90210217e-09 5.77580606e-09
 9.52142898e-08 4.03992863e-06 2.85447999e-09 2.03591480e-06
 7.13325710e-09 1.07725713e-08 2.87606294e-08 7.36499928e-09
 2.12225384e-08 6.61945609e-09 2.27585595e-08 2.73378964e-06
 4.75304018e-10 4.85959983e-09 2.68899839e-07 4.19046131e-08
 6.12303586e-09 6.33344799e-09 5.73767300e-09 4.07760548e-10
 4.31744297e-07 2.09645314e-08 1.16153977e-07 4.42748075e-07
 1.17261766e-03 5.65931998e-07 7.93659827e-04 2.91166834e-05
 1.06576040e-01 2.15111984e-04 6.53983176e-01 2.32194260e-01
 2.38844237e-04 1.07759740e-06 4.15860626e-07 3.07427694e-10
 9.42997236e-09 2.36256859e-09 2.80281967e-07 9.93457405e-09
 1.35204061e-06 2.28980795e-07 3.79803993e-08 1.64920806e-07
 5.93711469e-10 2.00132710e-08 1.26790107e-08 2.95553515e-09
 7.78703964e-08 9.36527016e-08 9.77455343e-08 1.52688585e-06
 1.55800069e-06 5.30131317e-08]


0.6539832


62


[1.13000276e-09 7.52564261e-11 5.51218238e-11 7.32370964e-08
 1.09431041e-14 1.90044031e-12 5.24469953e-13 1.24360716e-10
 2.38488895e-10 3.87740950e-11 1.60756172e-10 7.19311936e-12
 1.85947746e-09 5.69346376e-11 3.73647744e-08 1.02811357e-10
 4.45367701e-12 3.19468541e-07 4.96337549e-09 3.56493335e-10
 1.19349678e-11 3.86728358e-11 4.47966580e-10 6.50117252e-11
 1.57454536e-10 4.82485163e-11 2.24257224e-06 3.88669305e-12
 2.94839452e-07 1.04264664e-09 1.60441504e-11 1.68590686e-09
 2.27065681e-13 6.83082462e-08 1.29378327e-10 7.89528387e-10
 3.77891425e-12 5.96892674e-12 6.46304260e-11 4.42460339e-11
 1.25621610e-10 3.00070645e-12 1.62403879e-12 1.69296366e-09
 2.75370005e-14 1.95193688e-13 4.85550142e-11 1.96097430e-10
 9.84261717e-12 2.25999016e-12 8.20693773e-12 7.60605663e-13
 2.98040342e-10 3.30276292e-11 1.17298371e-09 1.73212469e-11
 3.29226441e-06 2.26566266e-11 7.30325046e-05 1.08876748e-06
 1.12005491e-05 5.39062137e-04 4.90794207e-07 9.99368727e-01
 4.66089247e-08 3.36008860e-11 1.10072194e-11 1.33807429e-14
 4.38109479e-11 1.58792250e-12 5.53044666e-10 6.29956642e-11
 2.72926542e-10 3.05351655e-09 1.15382833e-11 6.69984485e-11
 9.39745894e-13 1.25008295e-10 1.65623114e-12 3.07026904e-11
 1.92265596e-11 6.16246054e-10 8.72415074e-12 1.13696795e-10
 9.13062959e-09 1.83492175e-12]


0.9993687


63


[7.28292378e-08 1.26731788e-06 1.83081484e-11 1.97335801e-08
 2.66813689e-11 3.01012243e-10 1.62342327e-11 4.43055120e-10
 1.15648735e-08 1.44985329e-10 7.56342899e-08 8.56687077e-09
 6.83823646e-06 9.69475888e-11 1.02308204e-05 1.21786539e-11
 3.24689440e-13 1.76282877e-10 8.22016899e-10 1.06431634e-10
 8.22558330e-13 4.93414337e-13 4.05934064e-10 2.12971404e-10
 6.73126485e-11 1.12363301e-08 1.83727607e-07 9.28823268e-11
 4.74431587e-08 3.91562303e-12 2.14906977e-12 5.81579362e-09
 2.79657963e-10 3.06703643e-12 2.41947053e-11 1.75486049e-11
 1.24407331e-12 2.03578040e-13 3.11268632e-12 1.59054558e-11
 4.47429030e-12 9.75103353e-13 3.90798098e-13 2.62991739e-09
 5.18617945e-16 3.18976535e-13 5.79488194e-11 6.41890291e-11
 2.03501956e-13 1.77243918e-12 4.03696972e-11 6.81615002e-14
 3.67341817e-11 1.63994502e-12 3.52179518e-06 2.98864627e-10
 6.22012025e-11 1.08592874e-11 1.00820862e-05 1.68050684e-09
 5.84632516e-12 3.92660082e-09 3.77806444e-08 3.77610254e-09
 1.53085260e-08 2.48814424e-11 2.60707136e-14 1.00339597e-13
 2.17453919e-12 5.45791745e-11 1.20909107e-11 1.82820992e-09
 6.62958966e-10 6.54783606e-12 2.34849119e-11 3.95130456e-12
 2.42231027e-11 6.48972195e-12 1.36051096e-13 1.77979320e-09
 1.75086757e-12 9.89078597e-10 2.65294232e-12 1.46403306e-11
 9.99967456e-01 2.15255856e-14]


0.99996746


84


[1.06493566e-07 1.32365642e-07 1.63771552e-10 9.99861002e-01
 2.65217926e-12 1.12285035e-10 4.41671916e-12 1.89309573e-13
 5.11428920e-11 2.16850951e-12 4.33262855e-13 4.94390194e-14
 1.98915373e-09 8.53214374e-12 1.82770166e-09 1.44287946e-14
 3.45426326e-11 3.70937482e-12 6.93279744e-13 1.16622805e-11
 7.03743433e-13 7.08535878e-12 1.66138214e-09 4.55565230e-12
 3.97638589e-11 5.49157719e-10 6.98475091e-08 8.94965851e-13
 8.35812202e-08 1.61651820e-11 6.24641194e-14 1.10145493e-08
 3.88652083e-10 5.20028509e-09 4.29453362e-10 2.22044982e-09
 8.30209436e-13 1.40851610e-12 3.37326223e-10 2.57183818e-14
 9.62908753e-10 4.14099657e-12 7.78396241e-14 2.33130990e-07
 1.15580007e-15 9.02202445e-12 3.81093941e-11 6.79728496e-11
 3.88023354e-13 6.74013457e-14 1.02636920e-12 2.76382927e-11
 5.77805637e-10 2.42224644e-07 3.51604612e-09 1.73597432e-12
 3.21085779e-12 9.31551386e-13 1.29492837e-04 1.35251739e-08
 3.50031976e-10 6.09547726e-07 3.75978502e-08 5.30034185e-06
 2.67355995e-06 4.88102451e-13 1.02170793e-10 5.55010275e-14
 1.02361594e-13 4.96098475e-12 2.83971041e-10 4.44418943e-13
 8.78175657e-11 2.51044029e-11 3.09771653e-11 1.29053368e-09
 1.57487781e-12 2.76146345e-11 1.80359044e-11 1.09382176e-12
 8.33951777e-13 3.22526359e-12 4.45636583e-11 1.80568464e-13
 3.38790085e-09 1.33166197e-13]


0.999861


3


[4.44415804e-07 2.26750080e-06 1.10347509e-10 1.00503371e-07
 1.04067012e-10 1.43816144e-12 1.18961377e-11 2.45698062e-09
 2.44659020e-07 1.61846480e-12 3.00260278e-13 5.24726061e-11
 1.54113966e-08 1.13908249e-11 4.58439758e-10 6.37912223e-10
 3.41051702e-07 7.81980525e-09 9.12454379e-09 4.91908470e-09
 3.38755313e-09 8.54601181e-11 9.83808868e-11 4.53228427e-10
 8.00313538e-10 1.13249743e-10 3.38897692e-08 2.57917021e-09
 1.63059670e-03 7.04993436e-05 1.80047311e-04 3.16354702e-03
 5.36478776e-03 1.42146564e-05 9.89568889e-01 4.51904100e-07
 1.80556263e-08 7.48271816e-07 1.96565793e-07 3.09794558e-07
 3.25403391e-07 7.94175303e-09 6.27490726e-10 3.04346344e-07
 8.25430058e-10 2.16278568e-08 8.97468944e-09 1.37806794e-07
 6.71816491e-10 5.93714748e-13 2.10556443e-08 3.88261932e-13
 2.24426078e-09 2.63555205e-10 5.91950888e-09 9.09016623e-13
 7.52997442e-10 6.68089958e-11 2.93201428e-08 9.64913749e-09
 3.12131987e-09 1.90984615e-08 4.43873605e-09 1.23669104e-11
 3.71957384e-07 4.90511971e-11 1.39676150e-12 2.21662341e-11
 1.10420718e-11 6.48264151e-11 8.41987685e-07 5.21641549e-11
 4.95110453e-10 8.75434694e-08 2.85674123e-11 1.55080393e-10
 1.91538003e-08 4.34875869e-09 1.49606248e-11 8.84505980e-09
 1.99399958e-11 3.00375280e-10 9.33360594e-13 1.92467353e-09
 1.76005943e-09 1.86132490e-12]


0.9895689


34


[7.75057103e-08 7.53149365e-08 5.15345162e-11 9.99961019e-01
 1.35762571e-06 6.71223424e-11 2.80016843e-11 6.42562826e-13
 1.41262295e-12 1.21702388e-11 9.01223332e-11 1.24097022e-12
 3.93596683e-11 1.81115505e-11 1.88382619e-05 1.75706552e-12
 8.85906765e-11 2.69212153e-10 1.19154435e-11 3.01282133e-09
 1.26447755e-10 3.14286028e-11 1.73825811e-05 2.40126918e-10
 8.57385662e-10 1.07127848e-11 1.33860523e-09 1.57719985e-12
 2.38043940e-09 2.18587891e-11 1.43886354e-13 8.25448390e-12
 3.01591703e-11 1.48162021e-11 3.05184922e-09 2.86888890e-09
 5.18453509e-12 1.83936254e-13 1.01242996e-07 7.56738219e-14
 4.20154078e-10 1.23323140e-11 2.37725268e-14 4.88142904e-09
 1.10537482e-15 8.69116790e-14 1.33693256e-11 4.97829772e-12
 1.11948840e-12 5.58902747e-15 6.35472187e-12 5.35721918e-11
 4.41205433e-10 3.63447328e-10 3.75017670e-08 7.92038960e-14
 2.73804115e-16 1.75871992e-14 1.26350717e-08 3.00911140e-09
 3.09846350e-11 7.40531547e-08 1.40559342e-10 2.18055296e-11
 2.36920261e-08 1.28671882e-11 1.64284461e-10 1.93956700e-12
 5.35680831e-12 3.44959755e-11 1.01749470e-06 1.27095947e-11
 1.16969975e-11 2.43696757e-10 1.83072030e-10 8.77369843e-10
 1.91916656e-11 1.13670476e-10 4.00977307e-10 3.80167686e-12
 1.71378547e-12 5.53450677e-13 2.44963286e-11 1.40587488e-14
 2.78135448e-09 1.03801203e-14]


0.999961


3


[4.74471199e-06 1.66193597e-04 4.89440932e-10 2.09892241e-05
 4.61849899e-11 4.32140018e-11 4.99100039e-10 5.41752524e-06
 5.39760606e-07 3.17278892e-09 2.76184804e-11 3.45818513e-11
 1.72194614e-08 8.96880226e-12 2.58144041e-07 1.14151841e-10
 5.12527336e-08 1.58673341e-08 1.50421311e-08 9.71155867e-09
 9.76493553e-10 1.42228021e-10 1.06197625e-07 3.03184926e-08
 1.13784225e-07 2.20648921e-08 1.15147877e-05 5.18257312e-12
 5.73848752e-07 1.82147502e-04 2.90746233e-10 3.29517880e-09
 2.18206875e-08 1.63210469e-11 1.55501853e-04 6.03664375e-07
 6.13373352e-10 1.19763954e-09 3.53575231e-08 1.55805313e-09
 1.01816839e-08 2.57655675e-10 4.91420064e-11 3.07917674e-08
 2.83112466e-12 1.90126220e-10 4.06924938e-10 4.92837948e-09
 3.03082281e-10 1.39934223e-12 2.82744189e-10 4.28523050e-10
 6.83084284e-11 1.44775170e-09 6.16464774e-07 7.61003933e-12
 3.47579352e-08 4.48141302e-09 3.98914854e-05 5.23034250e-04
 2.18156129e-06 3.74092742e-05 1.30531495e-04 1.70879346e-08
 9.98713613e-01 4.49024928e-10 1.26771782e-09 9.10771597e-11
 4.52770532e-09 6.46706799e-10 8.27912316e-08 2.86510527e-07
 1.58675309e-10 1.84064405e-07 6.31416364e-10 1.38746958e-09
 2.90514026e-06 6.13755446e-08 5.23575072e-11 1.53662771e-08
 2.25477484e-10 2.24230554e-08 7.98878019e-10 1.05623210e-09
 6.39148752e-08 5.14777403e-13]


0.9987136


64


[8.0517015e-07 4.9991530e-07 1.8097124e-08 6.2859868e-07 2.7530483e-11
 8.1733890e-11 3.3016442e-10 1.1571755e-05 2.3944051e-07 1.6211314e-10
 2.5414049e-10 5.0165649e-11 2.4490452e-08 1.9934374e-09 1.4729762e-06
 2.0927498e-09 2.2659462e-07 3.8061051e-05 6.2509796e-05 1.6150334e-06
 7.0551476e-09 6.2148384e-09 8.3182179e-08 9.4077606e-08 5.9312615e-08
 2.3880222e-09 2.3202604e-06 2.6809441e-09 6.9763126e-05 3.0949276e-03
 3.3397885e-08 1.0040118e-07 3.8659902e-09 8.5267260e-08 7.2262039e-05
 6.3755251e-06 2.6776700e-08 9.9751176e-09 6.2074378e-08 1.2586477e-07
 1.0617740e-06 7.1440553e-10 2.4673672e-09 2.4208434e-06 1.2011417e-09
 3.8418485e-10 2.0734769e-08 1.7644801e-07 6.9346080e-09 1.5326674e-11
 5.2324033e-08 6.6160993e-10 1.0871518e-07 2.6952900e-09 2.9700161e-08
 5.5051647e-11 3.5523755e-07 1.1706974e-09 1.2798179e-02 9.8341167e-01
 3.8800608e-06 1.7697171e-04 4.2166521e-05 6.4781394e-05 1.2133500e-04
 5.1142446e-09 1.3970964e-08 7.2155358e-11 4.9869668e-09 2.9829092e-08
 3.2521033e-08 2.4010903e-08 1.8871409e-08 3.0791502e-06 7.6379107e-09
 6.1509603e-08 2.4082729e-08 5.8320378e-08 1.1014647e-09 9.0537505e-06
 1.3085606e-09 9.9101474e-09 2.1210078e-09 1.6179338e-07 1.1403666e-07
 3.9942307e-12]


0.98341167


59


[8.57281179e-08 4.95119730e-06 6.91967317e-11 2.78256630e-06
 9.51320728e-13 1.17627713e-10 1.27297938e-11 1.64307679e-08
 8.06444023e-10 1.33600110e-11 2.25689720e-13 5.43397142e-13
 5.33505018e-10 1.31899144e-11 1.37791023e-08 5.80079778e-12
 7.86626840e-12 1.93991738e-08 1.92219662e-09 7.81557763e-10
 9.12795620e-12 2.44776503e-13 1.64078984e-09 3.29584998e-10
 3.10221765e-10 2.94813098e-11 4.93095564e-09 2.11336070e-12
 1.93200981e-06 4.20865582e-08 4.21279331e-11 1.10116039e-09
 3.95325300e-11 2.04298731e-11 2.03557295e-08 7.70129827e-09
 1.33998285e-10 1.24795304e-11 3.58320429e-10 1.26565262e-12
 1.19550414e-08 8.87601570e-13 2.36584867e-13 1.24234525e-08
 1.38105029e-14 1.76454595e-13 1.03400788e-10 3.55340785e-10
 7.56901573e-12 8.28510099e-14 1.03356386e-11 8.09439321e-11
 1.01148045e-09 3.26835399e-11 2.27857599e-09 1.51431331e-13
 1.28752620e-10 3.87506034e-11 9.98980343e-01 8.66792107e-04
 2.32915665e-09 3.18015213e-06 1.49636105e-06 3.96396945e-06
 1.34258618e-04 4.10138937e-11 2.27671857e-11 9.14345436e-14
 8.42573895e-14 5.82501278e-12 8.77593909e-09 1.91892546e-09
 2.08671169e-09 4.06180733e-09 1.72233772e-11 2.50593657e-09
 1.69738124e-09 1.20344609e-10 9.74654732e-11 5.87089843e-09
 3.06041269e-11 1.09163278e-09 2.37046268e-11 4.69483723e-11
 1.82724491e-09 4.06821691e-14]


0.99898034


58


[2.13622560e-08 9.99996185e-01 1.38326989e-10 2.35507912e-07
 5.98359185e-14 1.04292660e-14 3.09979451e-12 2.04429375e-06
 8.54887081e-12 4.00503519e-11 1.25807744e-13 2.11989559e-09
 8.06349987e-10 4.73419914e-13 1.71499703e-08 1.16042039e-12
 3.47491404e-14 6.16940657e-12 2.21603413e-11 1.30313810e-13
 3.02756342e-14 9.91812901e-16 3.91406525e-11 8.40877628e-12
 2.60505636e-12 5.39312475e-12 1.09561193e-10 2.15878910e-13
 2.44199128e-09 3.51473117e-09 2.90784306e-11 3.19511667e-10
 2.97259772e-10 1.11737973e-12 7.38286587e-09 9.38136548e-12
 4.38967526e-12 2.11179571e-13 3.14488214e-12 4.45762676e-13
 1.65055278e-11 8.48491145e-13 1.96992267e-14 1.41652501e-09
 3.94159450e-16 4.28961445e-13 7.74872462e-13 1.33747115e-12
 1.36676112e-13 1.92877974e-14 2.17135229e-12 1.71284143e-13
 6.90175022e-13 1.52659690e-10 7.10315418e-11 7.13979115e-14
 2.42583135e-13 2.05561870e-12 8.15929297e-07 5.54275800e-07
 2.61582119e-12 5.48743522e-08 2.66363975e-09 8.35589542e-10
 2.62666049e-08 6.95888063e-13 1.11090614e-13 5.24164967e-13
 2.00178524e-13 6.39044026e-11 5.57801305e-10 7.01002090e-10
 5.64205037e-11 1.00436126e-09 2.95325864e-14 8.70610917e-10
 1.48781343e-09 7.62310215e-11 2.59118046e-16 7.22534876e-09
 2.72997398e-14 2.18458446e-11 9.28187128e-12 5.42585525e-11
 6.45869136e-08 2.15367889e-15]


0.9999962


1


[7.4973521e-09 5.2959194e-07 1.8378203e-09 9.9954754e-01 2.6734823e-09
 5.8317734e-10 3.1251318e-11 6.0453496e-11 1.2163996e-08 1.1167948e-09
 9.3751576e-11 1.5677145e-11 4.2507160e-08 3.3348997e-11 6.0239989e-07
 2.1700636e-12 1.5995072e-11 5.8239141e-10 2.5217885e-11 5.5557840e-11
 3.1241171e-12 2.3543675e-13 2.6469750e-06 1.4130155e-10 1.5628729e-10
 1.1144047e-10 6.6151820e-08 1.3811252e-11 2.5024553e-07 7.2023568e-08
 5.3174652e-12 2.7858895e-09 7.3694228e-10 4.8478519e-09 6.8272925e-08
 1.4335836e-08 1.7925876e-10 7.0411788e-12 4.1891575e-09 4.6881000e-13
 2.8807353e-08 1.6058847e-10 1.0272419e-12 6.8156474e-08 7.2848959e-15
 7.4372182e-13 8.8925568e-11 9.1535685e-10 4.5847135e-11 7.6401499e-13
 2.2497386e-10 1.3992898e-09 1.0360153e-09 5.4562058e-08 3.0780984e-09
 3.8720020e-13 2.5191732e-11 2.6186662e-11 2.2659624e-05 5.9199006e-06
 3.4800898e-08 1.5035193e-04 4.3416723e-05 1.7522030e-05 2.0770622e-04
 3.5474593e-10 7.8247453e-10 2.6241338e-13 7.6133301e-12 6.4937066e-12
 5.7420113e-08 2.8770314e-10 7.4560385e-09 1.1607580e-09 1.8542590e-10
 2.7660466e-08 7.4574003e-10 6.7762873e-10 6.1136707e-11 3.0006228e-10
 1.9828895e-10 1.3535524e-10 6.3116662e-10 7.0263580e-11 1.7512980e-08
 1.9391877e-11]


0.99954754


3


[3.83162330e-07 3.30506373e-05 1.00864050e-07 8.68722509e-06
 8.34674818e-09 3.42750169e-11 4.69190346e-11 1.03094737e-06
 8.14482064e-08 7.63542340e-10 1.42630656e-11 1.46717816e-09
 1.80739008e-07 6.77898571e-10 8.41292334e-08 9.01410147e-08
 1.54748108e-07 2.78881134e-06 3.20664348e-08 3.49257583e-08
 2.76099943e-09 4.00727021e-11 1.18716841e-07 1.98866648e-08
 7.01913805e-10 1.34712838e-10 1.17622797e-07 1.39743079e-08
 9.97221947e-01 2.57267238e-04 4.56705566e-05 2.29266868e-03
 3.30056610e-05 2.09473455e-05 4.98967420e-05 3.59427895e-06
 7.92931587e-08 1.61057437e-06 5.93632876e-07 2.51292164e-07
 1.83432712e-06 1.56027269e-07 6.65881084e-09 3.18171328e-06
 2.24374341e-09 2.05639438e-07 6.05347623e-07 2.64258233e-06
 1.40409753e-07 4.03324908e-11 5.71065115e-08 4.78705374e-11
 1.08913262e-07 1.03376507e-08 2.07018278e-08 1.08488697e-10
 8.96707264e-10 3.37614314e-09 1.18541711e-05 2.56916451e-07
 2.43802489e-08 6.27120926e-07 1.31528168e-07 4.11376924e-08
 1.34035849e-06 5.74537362e-11 1.88813143e-09 8.44346953e-11
 4.19043966e-10 1.01105329e-08 7.73468344e-07 4.78524831e-10
 7.13090458e-08 9.00302325e-07 2.69884559e-10 5.60307933e-09
 1.35100805e-07 1.35399469e-08 3.16161819e-11 2.87224736e-07
 5.17180909e-10 7.89282684e-09 2.31268789e-11 5.75049128e-08
 1.36132812e-08 2.46604870e-08]


0.99722195


28


[5.9284222e-09 3.6377117e-09 2.3841968e-08 8.8489440e-04 1.1624360e-06
 6.5536244e-12 7.1610740e-13 2.0698119e-11 2.9894089e-12 3.7994004e-11
 6.5914816e-09 1.9976509e-10 1.7990933e-11 2.3272040e-12 3.3256612e-05
 1.0749036e-09 1.5193298e-10 6.1130186e-07 1.5434692e-08 1.0569539e-09
 1.6366377e-11 1.3640234e-11 9.9903584e-01 1.3283975e-09 2.9358105e-10
 2.6409708e-14 6.2487051e-09 1.6154544e-12 6.0240493e-11 8.9232970e-12
 4.8478100e-13 1.6374628e-10 5.9124542e-13 4.2783876e-10 1.5886665e-11
 1.0172053e-09 4.1321920e-12 2.9863427e-12 2.1010045e-10 1.4260732e-13
 8.2503396e-12 9.8588900e-13 2.8363815e-14 7.2499722e-11 4.6081252e-15
 8.4713120e-14 7.9875394e-12 1.3856048e-10 7.8787636e-12 1.3211347e-14
 3.1253654e-12 7.5064486e-12 2.3623839e-11 3.9765817e-12 5.1792493e-10
 5.1258086e-13 5.4560909e-14 4.7404089e-13 1.1430032e-07 1.9481150e-09
 4.3982175e-12 2.0794600e-06 1.3173020e-11 1.5437599e-09 2.9561584e-09
 4.2846119e-13 2.8405544e-11 8.7120591e-14 8.2753308e-13 2.1069758e-10
 4.1956268e-05 1.5314255e-12 6.8668335e-11 1.7506390e-11 4.7023749e-11
 3.3780175e-12 7.8985749e-13 3.4149955e-12 9.0802218e-12 2.1869243e-11
 1.7891343e-12 5.8086929e-12 2.4696716e-12 2.9000799e-14 1.2753254e-10
 2.4998728e-10]


0.99903584


22


[8.4642195e-08 6.1796229e-08 3.7536586e-13 9.9827242e-01 2.0589120e-07
 1.5277254e-10 6.6048647e-12 1.4020367e-11 3.2104205e-11 8.6914004e-10
 4.4884048e-09 1.2212360e-13 6.3801915e-11 2.0332069e-12 1.7252110e-03
 2.1387061e-12 6.8483809e-11 1.3683432e-09 3.8213308e-10 3.4320515e-09
 6.2302316e-11 1.5635937e-10 6.0144322e-07 1.4610930e-09 1.1272146e-08
 3.0305530e-10 4.4639066e-07 8.8039249e-13 2.0355022e-10 4.0120305e-13
 1.8134957e-14 1.6066558e-14 2.7041657e-12 1.2752006e-12 9.8956488e-13
 1.9509828e-07 1.8348116e-12 1.3513210e-13 2.3356987e-08 1.6344811e-13
 3.7417965e-11 2.7117739e-12 1.7246602e-14 5.7095889e-10 3.5730677e-16
 6.7998244e-13 8.6579810e-13 8.6255473e-12 3.9906936e-12 1.0272070e-14
 6.6783818e-14 8.0846316e-11 2.1927016e-11 2.0598152e-09 6.9914233e-07
 2.1671341e-12 3.0425665e-13 3.3961545e-15 7.3182921e-10 1.1104135e-09
 2.7103353e-09 1.0713718e-08 1.4839575e-09 7.3915057e-10 2.5219785e-08
 4.2842153e-12 5.0003365e-12 2.2836068e-13 1.7656767e-11 2.4135351e-12
 7.0162742e-10 2.4389132e-12 4.7991376e-12 2.3335934e-11 2.6191807e-10
 6.1700705e-12 1.4044482e-11 6.2679046e-12 2.4452666e-12 1.6649389e-13
 3.2370043e-13 7.3458904e-12 4.0264758e-12 1.4384744e-12 1.5285520e-08
 4.7279719e-15]


0.9982724


3


[1.09099744e-06 8.73256249e-06 1.87293558e-08 6.00036874e-05
 2.06555079e-10 2.74191314e-09 1.44787449e-09 1.63237246e-07
 3.77024776e-06 3.82707555e-08 2.17746816e-08 2.35940434e-11
 4.42490489e-07 2.01358974e-09 7.63672517e-07 8.90629070e-10
 8.02472577e-09 4.39787691e-08 1.37256562e-08 6.48641052e-09
 4.81312268e-10 1.09133959e-10 2.98049554e-06 7.97161093e-08
 5.63519329e-08 5.73420289e-09 3.31018423e-03 1.52148530e-10
 4.13614998e-06 4.75398963e-07 7.51790852e-10 6.17661655e-09
 1.58474478e-08 5.06369924e-09 2.77268555e-06 8.81892731e-07
 1.73138115e-10 2.32502595e-09 2.89114496e-07 1.29339817e-09
 9.49300549e-09 2.16254614e-09 8.88811635e-10 1.30565383e-07
 2.25213251e-11 6.41712683e-10 1.08502429e-09 7.45072413e-08
 8.72284467e-09 1.79042739e-10 3.93241967e-10 9.96717486e-10
 1.01820810e-08 1.36303882e-07 1.33190917e-06 1.36901770e-08
 4.20755787e-05 2.63978973e-06 2.18735472e-03 2.27719755e-03
 3.36749596e-04 5.62681642e-04 4.24110238e-03 1.17492839e-03
 9.85775232e-01 3.99328126e-09 8.98973518e-09 2.27224461e-10
 3.04935455e-08 1.62927427e-09 5.52573738e-07 1.13202667e-07
 1.30094007e-08 1.17198226e-07 8.58536442e-09 8.64979255e-10
 5.22013828e-08 1.83244879e-07 3.61380481e-10 5.59840387e-08
 5.78109560e-09 9.30757125e-08 3.41049189e-09 7.98094746e-09
 1.18082511e-07 2.50641783e-08]


0.98577523


64


[4.4585385e-10 1.9612660e-08 1.6876288e-10 6.7741130e-06 1.9334076e-10
 3.0789189e-09 1.3517740e-10 1.6808201e-08 3.1793469e-08 7.4207987e-11
 1.1397756e-08 1.4020793e-11 4.9203703e-09 5.7413341e-10 2.6016659e-07
 9.6519077e-11 4.8203697e-10 4.9176806e-06 9.2824912e-06 3.2549231e-08
 1.5798775e-10 3.1764176e-09 2.2789510e-09 1.3630500e-09 5.7008314e-09
 3.6680814e-10 7.0167858e-05 3.5305800e-11 2.7794490e-06 1.4306981e-06
 1.7523176e-10 2.7668687e-11 4.7154108e-10 2.4646954e-07 3.0156244e-10
 9.4145889e-08 6.5929134e-10 1.9659843e-09 3.7699532e-09 4.3316128e-10
 3.5252072e-09 3.1166830e-11 9.6285924e-11 4.1530217e-08 1.1952794e-11
 3.5330541e-10 4.4225004e-10 1.8929924e-09 3.0401244e-09 4.4511780e-11
 6.3817274e-10 2.9242473e-11 2.6196727e-08 5.0023847e-09 2.5527762e-09
 3.1980474e-09 5.4356206e-06 2.1054871e-09 8.7680429e-04 2.0483583e-06
 5.1087995e-05 8.0444506e-06 4.6567415e-04 9.9849319e-01 1.3288865e-06
 3.0884867e-10 7.9834315e-08 7.7996993e-12 8.1843193e-10 7.5875542e-11
 1.2282217e-11 2.8568028e-10 3.0510334e-09 2.0796213e-08 1.5251699e-09
 2.6786409e-09 4.7506568e-09 1.2370110e-09 7.5748324e-10 2.0996400e-09
 9.3167762e-10 7.8760842e-10 1.4978507e-10 3.8121247e-08 2.4228937e-08
 1.1265864e-09]


0.9984932


63


[1.76515211e-08 1.79989726e-07 4.09065516e-14 5.47161072e-08
 2.69462369e-11 3.75423331e-10 1.59793134e-11 1.35241889e-08
 1.11297777e-06 1.47023782e-10 1.15853716e-10 4.81997053e-10
 3.96258066e-08 9.56287393e-12 2.39307639e-07 4.43305722e-12
 6.73524639e-11 4.09633827e-07 4.43265158e-08 9.19847740e-11
 2.48147965e-12 1.82131324e-11 1.07114847e-11 2.77012580e-10
 1.66667152e-10 3.69747677e-09 4.07215157e-06 7.09748883e-12
 7.84239830e-07 1.56030254e-07 5.18953769e-11 1.15589890e-11
 1.03278119e-07 6.26587486e-13 1.24683375e-08 1.44320958e-10
 1.70273149e-12 1.37313277e-11 6.59978600e-11 2.13405668e-10
 3.66086154e-12 6.62720989e-11 5.42026909e-11 3.18295695e-10
 1.14255542e-13 1.95966091e-11 9.32726639e-12 8.45001916e-11
 2.23350288e-12 1.73523891e-12 1.17482815e-10 6.53906860e-14
 7.20859787e-12 4.03180683e-11 2.27549251e-08 6.90818791e-10
 3.73548755e-06 2.15024997e-07 4.40723898e-06 9.31498363e-08
 1.23805273e-06 3.63497143e-08 9.97987747e-01 2.66256791e-07
 1.99460541e-03 4.95672281e-10 4.11747386e-10 3.76322508e-13
 3.87192806e-10 1.66604768e-11 1.00922179e-12 5.98282701e-10
 4.64228567e-09 3.60859155e-11 1.66105740e-10 1.20199228e-12
 2.10715667e-09 7.85729526e-09 1.33864502e-12 5.87250248e-11
 4.51029665e-11 1.27510821e-10 5.76271626e-12 2.78103425e-08
 3.38302783e-07 5.20041150e-13]


0.99798775


62


[1.1468668e-09 2.2298112e-08 7.9472202e-14 5.3067519e-09 1.0427683e-11
 1.9700932e-11 6.8600621e-13 8.1292230e-12 1.1576981e-08 3.7048330e-11
 6.9810405e-08 5.2481588e-09 1.5157208e-07 9.2639600e-13 3.9634699e-08
 4.0807182e-13 4.9226801e-13 2.5244837e-10 3.8146244e-10 4.9713164e-11
 1.3344981e-13 7.8866980e-14 1.3382982e-10 2.0507698e-11 1.8826093e-12
 1.1651463e-07 4.5675499e-08 3.4875550e-13 2.5129540e-10 4.7389133e-12
 5.5399536e-14 1.0705839e-11 2.8491078e-11 1.1718966e-12 2.8737627e-13
 5.6579168e-12 3.1815071e-12 8.1946453e-14 1.8540198e-12 2.1000502e-12
 1.4061016e-12 1.4916508e-13 1.2182345e-14 4.9862987e-12 3.7217847e-17
 1.8040980e-14 5.4423463e-13 5.3414808e-13 7.0287973e-14 2.3408055e-12
 1.7194234e-12 1.1519188e-15 4.2502360e-12 1.1763402e-11 4.1019018e-07
 5.0895693e-10 2.1950997e-11 1.8174219e-11 2.9537803e-10 1.2636799e-13
 4.5757835e-11 2.0425069e-10 5.3405898e-11 1.7947347e-11 1.9197752e-10
 1.8400862e-12 9.2184452e-14 6.9754790e-15 3.1225294e-13 2.9035479e-13
 1.6038401e-13 1.2101930e-11 6.1368656e-13 1.5004159e-14 1.1871588e-12
 4.1645679e-14 2.0586881e-13 2.1726898e-11 2.6384689e-15 8.0117553e-13
 1.9037064e-13 1.2510842e-13 2.9576997e-13 6.0283809e-13 9.9999917e-01
 5.0333612e-15]


0.99999917


84


[2.1940964e-06 1.6850428e-05 7.6003738e-11 9.9997818e-01 2.3454167e-09
 4.4913944e-09 4.3005599e-11 5.7431121e-13 2.5765098e-10 3.2786104e-10
 5.2111569e-11 3.6692541e-12 2.9747576e-09 2.5477545e-11 1.0631912e-07
 9.1811964e-13 5.6733836e-11 8.6522962e-11 3.3629335e-11 1.9014994e-10
 1.4425011e-10 3.2408828e-10 1.2125649e-07 5.9105804e-11 1.4913090e-10
 1.1996080e-07 7.0136701e-07 2.8747458e-12 8.8006367e-09 1.1728438e-10
 3.2558330e-14 6.8124638e-11 2.5812122e-10 4.2593781e-10 3.2648628e-10
 1.8264241e-09 3.7749946e-11 1.2828660e-12 3.2979813e-08 1.5728251e-13
 7.8679374e-09 3.8123091e-11 2.3177949e-13 7.5677235e-08 1.7630215e-15
 3.5104216e-12 2.8046836e-12 1.6555685e-10 1.2639529e-12 8.8406084e-13
 2.4547625e-12 1.0632488e-09 8.1745354e-11 1.5198069e-07 4.7384549e-07
 2.8461354e-12 1.9693184e-12 4.9055815e-14 1.6643840e-09 2.0784570e-11
 4.7364690e-10 7.9224429e-07 9.4773700e-10 7.1975131e-10 3.2212210e-08
 5.9680830e-11 1.5531084e-09 4.2869934e-13 1.2186661e-11 9.0322081e-12
 4.2702297e-10 4.6781475e-13 8.5818200e-11 2.4086013e-12 1.3981628e-10
 2.0651618e-09 1.9822149e-11 1.9888205e-10 1.3662426e-11 1.1668931e-13
 1.4169947e-12 7.2680204e-14 4.3592718e-10 2.7153440e-13 1.3808483e-07
 7.8826268e-13]


0.9999782


3


[2.1584476e-08 3.0287431e-08 7.4168582e-10 1.7641511e-05 1.6361149e-07
 7.2314273e-12 3.6162448e-11 1.6015564e-10 4.0020918e-06 1.9028232e-11
 4.3477518e-12 8.3054695e-11 2.1342706e-07 8.6358448e-11 2.5319373e-08
 3.5760614e-09 4.5155998e-06 2.0461914e-07 1.8176688e-07 7.0891261e-08
 1.2488229e-08 1.2521090e-09 1.6528038e-08 1.0639157e-07 1.1432504e-09
 2.9587768e-10 1.9323681e-07 1.0798219e-09 1.8031336e-02 8.7438915e-03
 6.0518738e-07 7.7633840e-01 1.6957337e-04 1.6222274e-04 1.9645275e-01
 8.9937466e-06 5.0564381e-07 9.6645936e-06 8.2795668e-06 3.6196150e-06
 2.0415699e-05 1.1425795e-08 4.9214499e-10 5.2356754e-06 4.3719317e-09
 1.5098679e-07 1.1997221e-08 8.6967193e-06 1.3321164e-08 1.1674228e-10
 1.3058073e-07 1.6908475e-11 1.2095515e-08 5.0020987e-10 6.7156103e-09
 1.9805413e-11 8.7557002e-09 1.0896032e-10 1.6473579e-07 2.6379958e-08
 7.0496590e-08 5.0171152e-06 7.9564639e-09 5.2257026e-10 2.3630046e-06
 6.8448353e-10 4.2714995e-11 1.3237157e-11 1.4948262e-10 3.9043452e-12
 1.1977541e-07 2.8153875e-12 4.6432045e-09 2.0720643e-08 1.0128289e-09
 1.5645400e-10 4.5714015e-09 2.3945091e-07 1.2209915e-10 5.6177094e-09
 2.0797830e-10 6.9952710e-10 1.0763252e-11 4.3326068e-10 2.4571293e-08
 1.7652237e-10]


0.7763384


34


[4.24361488e-08 2.57064073e-07 1.38221457e-11 9.96561468e-01
 7.56808845e-07 3.98552589e-12 5.72454306e-11 6.53728712e-14
 1.89502212e-12 3.52194870e-11 3.05643133e-09 2.66198066e-12
 2.57910238e-11 8.51367588e-12 3.42474575e-03 1.76970782e-11
 3.75504012e-12 7.84027232e-10 7.07596273e-11 1.83929805e-09
 4.05970396e-11 5.04778823e-11 1.18839434e-05 7.10757786e-10
 1.36865286e-09 1.07706184e-10 4.42355486e-09 1.29437666e-13
 2.23410357e-09 2.83128642e-12 2.23163514e-15 2.42030215e-11
 3.52576475e-12 8.41599793e-12 3.71164835e-11 3.60219937e-10
 4.22501444e-12 1.41350707e-14 9.19440346e-09 5.85111861e-14
 9.96109792e-11 2.63672330e-13 7.64311763e-16 1.17157772e-09
 1.07858390e-16 3.42376138e-15 1.77136170e-12 2.86361213e-12
 9.47422154e-13 7.00441741e-15 2.08374415e-13 5.38241804e-12
 1.33770758e-10 2.81960066e-10 5.87387206e-07 2.12575048e-13
 1.70759063e-16 2.02125619e-17 1.36884348e-09 1.67132211e-11
 4.21986231e-11 7.84758214e-08 5.42957042e-12 1.45921643e-11
 2.49605225e-09 1.59359470e-11 6.80663598e-12 1.08857671e-12
 5.63810110e-12 2.77063116e-12 5.81490056e-08 1.51280995e-12
 9.86471755e-13 1.46863736e-11 2.66757311e-11 2.49861382e-10
 2.55439268e-12 2.33621490e-11 4.93327872e-13 1.04765257e-13
 2.04839587e-14 6.16947465e-13 1.89353082e-11 2.80667433e-14
 4.38003376e-08 2.17243605e-14]


0.99656147


3


[1.76137041e-06 5.12783845e-06 7.41400541e-08 1.06426026e-03
 6.24376606e-10 9.86822499e-11 1.40112055e-08 8.34507290e-08
 2.71368226e-05 1.69851901e-07 5.40942331e-08 1.37038630e-10
 1.02473666e-06 1.72827852e-09 2.41340094e-05 1.93652844e-10
 2.03424459e-08 5.73541172e-07 6.30134238e-08 1.03625644e-06
 3.01442715e-09 5.98209704e-10 2.99770836e-05 3.76954608e-06
 1.04972663e-07 9.27706978e-09 3.11893882e-06 8.59201321e-11
 9.50635012e-07 4.79108538e-04 1.44620069e-12 3.13739434e-07
 3.15069792e-09 1.57152502e-09 1.27417916e-05 1.97456484e-06
 4.58388927e-09 1.01057374e-09 1.44125787e-08 5.41965450e-09
 1.95018561e-08 1.55651991e-09 1.08075535e-10 4.18753920e-08
 9.20844390e-12 1.67961443e-11 1.04392828e-09 5.88228666e-08
 1.13227894e-09 3.44755474e-11 1.18303856e-09 5.21588950e-09
 1.14400622e-08 7.55222018e-08 5.75775125e-08 1.81877058e-09
 1.03683476e-06 9.03932840e-09 1.95456594e-02 3.86685371e-01
 1.43267598e-05 2.32320502e-02 2.66208733e-03 3.94516246e-05
 5.66043556e-01 5.57516477e-09 6.54124266e-09 2.65439254e-10
 1.41087042e-09 7.42240991e-10 1.17215597e-04 2.32708306e-08
 1.37539686e-08 9.53425499e-08 1.34456641e-08 1.95279393e-09
 9.99286520e-09 1.60817294e-07 5.68805059e-10 9.75218750e-09
 9.69977765e-10 6.99821385e-07 8.64910987e-09 2.08424855e-09
 3.60403135e-07 5.62734259e-09]


0.56604356


64


[1.60668847e-08 6.34937635e-07 2.76048500e-08 1.20734649e-06
 2.36267360e-11 2.91443120e-11 5.47248802e-10 7.93438488e-08
 3.01502432e-08 3.80377108e-09 4.54583962e-08 1.06774611e-09
 5.37810223e-08 1.34232065e-08 2.35122707e-06 5.43649481e-09
 1.92617633e-09 2.41794088e-03 1.13969007e-04 7.07321647e-07
 4.03062383e-09 3.47873410e-08 4.12159196e-08 1.45387517e-07
 1.32598842e-07 2.61243671e-09 5.11151957e-05 5.67437902e-11
 2.30164210e-06 3.40440238e-05 5.11890946e-11 1.25389377e-09
 3.72637921e-10 1.18223280e-08 1.84251746e-07 5.11738456e-08
 6.71914480e-09 7.79228848e-10 2.68361222e-09 2.40584064e-09
 2.71002669e-08 4.70133689e-11 1.30080460e-10 1.43614729e-08
 2.42269659e-11 2.13417478e-12 3.83341447e-09 4.34080460e-09
 2.80011747e-09 2.43610167e-11 1.20959420e-09 2.24573471e-09
 8.37221634e-08 5.75910608e-09 5.55533175e-09 1.46176216e-09
 2.15279375e-04 2.73403605e-10 8.00418556e-02 6.16265403e-04
 8.58394469e-06 1.67686455e-02 3.74510884e-04 8.99285793e-01
 6.29061178e-05 1.79782429e-08 8.39752978e-09 6.85872123e-11
 9.15807608e-09 9.02081798e-10 1.20240713e-07 4.18324895e-08
 2.88692070e-09 3.55882491e-07 1.05207345e-08 1.29029418e-08
 7.51293783e-09 4.74074602e-09 8.16581247e-10 8.29321181e-08
 5.21096055e-10 5.44770771e-08 2.28009389e-10 1.68700097e-07
 4.95129981e-08 8.84838203e-10]


0.8992858


63


[3.77379834e-08 2.99502858e-07 1.05566198e-11 1.05253317e-08
 1.11711387e-13 2.63899349e-14 1.58007912e-11 9.72788161e-09
 4.08625738e-07 5.24634190e-11 2.54859285e-13 9.37274147e-11
 7.48981765e-09 1.18126819e-12 3.25558851e-08 3.19421087e-11
 3.72140041e-10 1.93917149e-08 1.22672261e-09 2.68403605e-10
 1.32670810e-11 2.13891036e-12 1.86391649e-11 1.32103128e-08
 3.27542909e-10 2.10817905e-10 2.18934133e-08 1.36888886e-13
 5.31057189e-08 1.10687062e-04 2.25918381e-11 4.44643211e-09
 1.13253575e-08 2.95422080e-13 1.68039714e-05 5.53320667e-10
 8.12449587e-12 5.85439986e-12 3.16688169e-11 1.14257437e-09
 1.67825528e-11 2.64330988e-11 1.59892965e-12 1.51481883e-11
 7.61578843e-14 5.21166877e-13 4.98554115e-11 2.77809775e-10
 9.52589028e-13 2.79376376e-13 1.92291225e-10 1.15476270e-12
 1.21173366e-11 2.83895841e-11 4.93330932e-10 7.91054028e-12
 4.38055793e-07 2.68911948e-10 5.77264200e-06 1.61953736e-04
 5.16212673e-08 6.18603808e-05 1.79562289e-02 2.14084935e-06
 9.81683016e-01 5.82797921e-10 7.73953471e-12 5.04928998e-13
 7.19793530e-11 5.42142069e-12 1.09739294e-10 1.93346192e-08
 2.50309967e-10 5.63552360e-09 9.51102946e-11 4.20922290e-11
 1.82123061e-09 1.94172909e-08 9.97729677e-13 8.81967477e-09
 1.27320376e-11 1.00586774e-08 2.44673991e-13 1.64781095e-08
 5.00893593e-09 2.41633377e-14]


0.981683


64


[1.77522299e-08 9.99997497e-01 2.63664351e-11 3.93361148e-07
 3.68430126e-14 2.16476143e-14 2.64159051e-12 5.26509680e-08
 1.28413738e-11 1.82640101e-12 1.38129287e-12 6.24015906e-09
 4.13095252e-11 1.79618636e-12 4.15598976e-07 1.08171881e-12
 1.58375222e-14 7.33584513e-11 4.31898489e-10 1.02740245e-12
 7.41639077e-14 4.93511380e-15 6.64350727e-11 1.99958418e-11
 5.34470515e-12 5.11444836e-12 3.50889109e-11 4.02185982e-14
 5.88860627e-11 2.67869495e-08 4.96396679e-14 1.52739746e-13
 1.06894363e-11 1.05582519e-15 3.01734332e-12 4.82501083e-13
 4.11773263e-13 1.07109925e-14 1.77502530e-13 9.13462184e-15
 4.58171912e-13 6.96031664e-15 1.06073417e-15 5.74565048e-11
 6.41206456e-17 4.13326921e-15 1.89648414e-13 1.94456623e-14
 6.13428630e-15 7.30111007e-16 2.85945475e-13 3.97703399e-15
 1.03075296e-12 1.55818316e-12 1.92381874e-10 4.69799675e-14
 3.98032649e-12 2.11196769e-13 1.21333278e-06 2.84697643e-09
 1.35683037e-13 2.36744024e-09 2.18214097e-07 1.41843826e-09
 2.82933288e-10 7.57701107e-12 5.55633881e-13 9.27525133e-15
 8.64392176e-14 1.09902009e-11 1.16567988e-11 2.59577620e-11
 4.83601397e-12 2.26968392e-11 5.53490901e-13 2.31066520e-11
 1.32268169e-10 9.48924207e-13 2.25581687e-15 1.89811181e-10
 4.27290810e-15 8.54340090e-13 1.68204044e-11 4.58517425e-12
 2.57612356e-07 3.07325788e-17]


0.9999975


1


[7.48951123e-08 4.29677925e-07 8.79439022e-11 9.99166608e-01
 7.17235299e-11 8.38421138e-11 5.98132863e-11 4.84813745e-10
 2.24914078e-08 1.89075935e-10 2.35929657e-12 1.44496316e-11
 1.06831533e-09 6.39000918e-12 1.03777495e-07 1.88863096e-12
 7.30497607e-11 3.08720549e-10 4.05876513e-11 7.43172676e-11
 4.76620046e-12 7.83984897e-14 1.26043844e-07 1.29842831e-10
 7.17125873e-11 1.40931239e-10 2.47119694e-08 7.74621600e-12
 1.66611443e-07 3.66808345e-05 1.45230106e-12 8.65960725e-09
 2.27449326e-09 1.53078356e-10 8.34571967e-09 7.07568315e-09
 1.84772354e-11 1.08755357e-11 6.45237019e-09 4.39738350e-12
 7.92578003e-09 5.56834648e-11 7.32433320e-13 4.26635296e-08
 5.67543449e-14 2.77832987e-12 2.99397347e-11 3.61546848e-10
 5.94926278e-12 1.11784131e-13 2.89654429e-11 2.22639782e-10
 5.45569145e-10 4.07737621e-09 2.62143818e-09 5.57278128e-13
 9.32518923e-11 1.11223209e-11 2.39484211e-06 2.55327541e-05
 6.74780143e-09 1.12873568e-04 6.26672467e-04 6.83163898e-06
 2.12309988e-05 2.20623242e-11 2.16161020e-10 4.85697853e-13
 2.05795233e-12 2.12829407e-12 6.57713106e-10 4.02704342e-10
 3.13431531e-10 1.81540075e-10 2.37600800e-10 3.01184055e-09
 5.21830412e-10 1.20341098e-10 6.09941611e-11 1.90549063e-10
 1.42798724e-11 1.97839453e-10 1.01346452e-10 1.42502218e-10
 4.44827286e-10 4.31734048e-13]


0.9991666


3


[7.36985658e-06 8.44644819e-06 1.28571864e-08 1.02553995e-05
 6.33776907e-08 3.72605384e-11 4.75924855e-10 9.80314894e-07
 5.16617931e-08 5.45288481e-10 1.37125576e-12 8.29582536e-09
 3.77635772e-08 3.24286487e-10 2.38584725e-08 5.64434188e-08
 3.82575251e-07 5.67948462e-07 2.23572968e-07 4.69373305e-08
 4.32943947e-09 2.93550684e-10 8.72189148e-08 4.72516959e-09
 6.11574180e-10 1.50009183e-09 1.71184098e-07 9.12215370e-09
 9.83796358e-01 2.21065362e-03 2.39529836e-05 7.97882210e-03
 3.48845101e-03 2.40821228e-03 4.06507352e-05 6.07225672e-07
 6.09035951e-08 5.15494412e-06 8.18253852e-07 3.43024595e-07
 2.12090185e-06 9.85725563e-08 9.72484671e-09 3.33265120e-07
 9.13688591e-09 2.71794050e-07 1.88773583e-07 1.78094888e-06
 1.32013255e-07 1.20437355e-10 9.84861046e-08 1.58775701e-11
 2.40936288e-07 6.87516248e-08 1.71796319e-08 2.61747540e-10
 8.88492906e-08 2.34311841e-07 7.94715379e-06 5.10745295e-08
 2.98576850e-07 8.45024246e-08 1.16585932e-06 5.70421292e-08
 2.04941117e-07 9.56390175e-11 2.22255525e-09 7.96671562e-10
 7.18583248e-10 4.37590586e-09 7.00453825e-07 1.57529156e-09
 1.10969340e-08 9.08728808e-08 1.12512533e-09 4.29290514e-09
 5.91096772e-08 2.25420482e-08 2.18762120e-10 4.61647716e-07
 6.18448126e-10 1.71862102e-09 7.32445563e-11 1.22175820e-07
 5.18669374e-09 1.24133663e-07]


0.98379636


28


[2.3636501e-08 1.2838251e-08 2.2122004e-08 5.2641204e-04 1.7338090e-07
 1.0100666e-11 1.3896320e-12 5.8326892e-11 3.2224607e-12 6.1325403e-11
 1.6815760e-09 1.3061652e-09 1.9668371e-11 7.1102317e-12 2.7623133e-05
 2.7795346e-09 3.1327763e-10 5.3354466e-07 5.9422042e-08 1.0891875e-09
 5.8084870e-11 2.1020101e-11 9.9929523e-01 2.5019213e-09 4.4230064e-10
 6.0936830e-13 3.0176700e-08 2.0420523e-12 1.6803568e-10 2.3237827e-10
 1.6912134e-12 2.9035803e-09 4.1421519e-12 3.7492009e-09 2.1938014e-11
 4.2953245e-09 6.3813312e-12 1.1960661e-11 4.7984827e-10 2.9446298e-12
 2.5175395e-10 5.0587087e-12 1.5250766e-13 1.8552862e-11 1.1885687e-14
 1.0502440e-13 1.1092571e-10 1.0149169e-09 2.2556051e-11 6.2251839e-14
 1.3524592e-11 3.1244664e-12 3.5371198e-10 5.7380216e-12 2.5009608e-10
 7.9840502e-13 3.7164634e-13 1.4409656e-11 5.0398984e-07 3.1511096e-09
 1.3420502e-10 5.4285024e-06 1.4381444e-09 7.1424054e-08 9.0184633e-09
 1.1185084e-12 7.6014445e-11 3.0556457e-13 1.2007308e-12 1.7373150e-10
 1.4382167e-04 4.5429598e-12 2.0113886e-10 9.2938400e-11 3.1070271e-10
 6.4914237e-12 3.0443495e-12 4.1559456e-12 3.6449754e-10 6.2313474e-11
 5.1891928e-12 2.2667238e-11 4.1860352e-11 5.3017920e-13 1.8355270e-10
 6.5140776e-10]


0.99929523


22


[4.8409934e-08 8.5733404e-07 4.9509539e-13 9.9942267e-01 6.1370088e-07
 1.3141914e-09 1.9006380e-11 4.2527998e-10 6.5345680e-11 2.3002129e-09
 2.0464097e-09 2.1906749e-13 4.4662288e-11 1.7360309e-12 5.7041395e-04
 9.4693274e-13 7.4465399e-12 3.7755846e-10 3.1135344e-10 1.5160324e-10
 1.4942761e-12 1.1780211e-11 3.4264790e-06 2.2458606e-10 2.6102825e-10
 1.5212790e-09 1.5981580e-07 2.2541110e-12 9.0616874e-09 8.0512964e-11
 3.1052309e-14 2.3385781e-11 2.7521793e-10 4.3736167e-11 1.7349252e-12
 8.3315393e-07 1.7675054e-11 1.1776611e-12 3.4080852e-08 2.3589650e-12
 3.8990544e-10 9.5369771e-12 3.4818153e-14 8.5095184e-09 1.2471183e-14
 1.8003451e-12 3.8954024e-11 9.1355595e-10 1.0349764e-11 7.0277477e-14
 2.5360961e-12 4.8416115e-12 6.3058481e-10 1.1510501e-08 4.7346666e-07
 1.3888082e-11 3.8725596e-13 5.1403575e-13 3.4514619e-07 3.1613967e-09
 7.5445500e-10 4.6687873e-08 6.2553973e-08 1.7493699e-08 4.1151011e-08
 6.1697847e-12 1.0617185e-12 1.4681908e-13 5.9181626e-13 2.8138269e-13
 1.5358646e-10 1.1775331e-12 4.6613395e-12 1.7829488e-11 3.3333719e-10
 9.1619169e-12 7.3315546e-12 4.0266271e-12 2.5990038e-11 6.9034422e-12
 2.2809862e-12 3.3683174e-11 1.0434280e-11 2.9247819e-11 5.4075970e-09
 2.9208428e-13]


0.99942267


3


[1.0102664e-06 2.8954782e-05 1.2066682e-11 4.4915723e-05 1.2572572e-10
 1.1361375e-08 5.7372496e-10 7.9186048e-06 1.6566378e-07 1.8608730e-09
 1.2706783e-10 5.5949658e-11 2.3053961e-09 2.9193437e-10 1.8552826e-07
 3.9782777e-10 2.2205003e-10 3.9929159e-08 1.0615643e-09 7.9436252e-10
 9.3176890e-12 9.3301200e-12 3.5516912e-08 3.0115210e-09 1.1696869e-09
 1.7666892e-08 4.6120676e-06 7.9884134e-11 3.4522245e-04 9.3146475e-05
 1.5249862e-09 2.7787970e-09 9.5357467e-07 3.0560138e-08 2.5406283e-08
 1.4442185e-06 2.3181070e-10 3.6392038e-09 3.0012583e-08 2.9102276e-09
 9.1069809e-09 1.4045161e-09 2.2168662e-09 2.1343605e-07 1.3541400e-10
 3.6169195e-10 3.7183210e-09 3.3914839e-07 3.7609893e-09 3.8837999e-11
 3.1832401e-09 1.4108133e-11 2.4842848e-08 2.3842198e-08 5.0997966e-07
 5.5307479e-09 1.9242209e-06 3.1291388e-06 1.2148939e-02 2.7619888e-05
 4.7104455e-05 4.3239172e-05 9.8614514e-01 1.9103051e-04 8.6154585e-04
 9.0958840e-10 7.7677447e-09 2.8840545e-11 1.3808723e-09 1.5654848e-10
 3.3417513e-09 3.5419749e-09 8.7420604e-09 7.8421976e-08 1.9924919e-09
 1.9396902e-10 2.0957305e-09 6.0246195e-09 1.2120085e-10 1.5443469e-08
 7.4937234e-10 2.4314193e-09 2.4631883e-09 3.9352219e-07 1.2707861e-08
 1.0401426e-09]


0.98614514


62


[6.36693301e-07 4.91331957e-06 2.32477984e-08 2.53407605e-04
 7.26087812e-09 4.61210533e-07 5.36446665e-09 1.32408297e-06
 8.32143940e-07 3.07168442e-08 2.31593167e-09 7.28220539e-10
 3.26031426e-07 2.87052817e-08 2.67528612e-05 1.03697282e-08
 1.56379603e-08 3.25251633e-04 2.87460080e-05 1.54651946e-06
 5.07899367e-09 1.28735476e-08 1.86876250e-07 1.98354613e-08
 6.17458369e-08 1.11582246e-08 1.32764299e-05 2.45689868e-09
 3.46914225e-04 1.01334126e-05 6.10905015e-09 2.49088714e-08
 7.74300535e-09 2.28134255e-07 4.60278130e-07 5.85882208e-06
 4.48054926e-08 9.76838592e-08 7.51174525e-07 4.51345805e-09
 2.92549942e-07 3.43924245e-09 2.42244580e-09 2.00030490e-06
 1.48466628e-09 2.66786042e-08 1.40542724e-07 1.98012259e-07
 9.10451234e-08 3.19387383e-09 2.55640433e-08 9.14999132e-10
 2.46036876e-07 3.46941135e-07 5.02591547e-07 6.67251413e-07
 2.24355681e-05 1.71947448e-07 9.66460109e-01 3.07974988e-05
 9.24264640e-03 6.42332993e-03 8.32341262e-04 1.42701734e-02
 1.68754498e-03 2.24962946e-08 1.11820604e-07 8.48833670e-10
 5.26453547e-08 7.05533276e-09 8.62296634e-09 4.08241974e-08
 2.77959771e-07 8.57130601e-07 5.82064459e-08 7.60529062e-08
 1.19291514e-07 2.45309877e-07 2.00459009e-08 1.14725140e-07
 1.39912189e-07 5.31775015e-08 9.20720833e-09 1.14268119e-06
 1.25146457e-07 1.07223563e-07]


0.9664601


58


[9.1373413e-06 5.3040134e-05 2.1953744e-10 1.5095821e-07 2.0153526e-11
 8.7427212e-09 4.9674648e-10 1.1830538e-06 9.5143303e-05 5.8101637e-08
 9.5717145e-10 1.2011345e-09 2.0334144e-06 2.8926919e-10 1.3976946e-06
 2.1262931e-09 3.7656447e-09 4.1265505e-08 1.5879895e-08 1.6934191e-09
 3.4938080e-10 2.5765445e-11 7.7775093e-09 1.4972681e-08 5.6602283e-09
 2.9989860e-07 2.6444957e-04 5.6227151e-10 3.5200393e-04 3.0856884e-09
 3.3534499e-07 9.8199656e-08 2.8133826e-07 1.7347607e-10 2.2793814e-07
 3.9515761e-08 7.0850931e-10 1.1722998e-08 4.0390095e-08 2.3361761e-09
 2.7719982e-09 1.8655844e-09 2.0361328e-10 1.4084117e-07 1.0212648e-11
 3.9231192e-09 3.5499597e-09 1.8352060e-07 3.4241754e-09 2.5338198e-10
 5.9367808e-09 2.1542323e-12 2.0473259e-09 6.6145908e-08 3.4681292e-05
 2.2409270e-07 4.2705447e-05 1.5966955e-06 1.3806696e-02 2.4218083e-04
 1.1331568e-03 9.3711888e-06 9.5600856e-04 9.1794664e-06 9.8297828e-01
 1.5180673e-08 6.0934890e-10 7.9463582e-11 1.8533588e-09 1.8250942e-10
 4.4116133e-09 3.4093367e-07 5.4036679e-08 2.5578672e-07 3.4278544e-09
 1.1231594e-08 1.2860322e-06 3.9836703e-08 8.5775387e-11 7.4094140e-07
 1.2220510e-08 4.2585569e-08 1.2449248e-09 2.4000366e-08 2.5370312e-06
 8.7747248e-10]


0.9829783


64


[7.62087016e-09 1.60127698e-07 1.56599300e-12 1.73991523e-08
 5.49486255e-11 5.28422653e-11 1.08797494e-11 9.07591446e-10
 9.33435160e-08 1.23534460e-10 2.84568706e-08 4.10471035e-09
 7.59687339e-07 3.03412885e-11 5.80145479e-06 2.40402706e-12
 1.00118091e-12 2.48091037e-09 1.00090221e-08 1.35603376e-10
 1.21635352e-12 8.89904470e-14 1.13708354e-09 1.01392350e-09
 7.27721616e-12 1.28639243e-07 6.77146446e-08 1.53957611e-11
 1.30457378e-08 1.27749807e-11 2.27888476e-12 2.44645137e-10
 8.83221885e-10 6.67493014e-12 1.49664840e-12 8.39980169e-11
 6.50552355e-12 4.00984064e-12 4.60762192e-11 1.09927024e-11
 4.78889393e-11 2.07781904e-12 8.01737095e-13 2.70051648e-10
 7.01689082e-15 2.17058186e-12 8.90878517e-12 1.63225353e-11
 2.93335972e-12 1.55163347e-11 1.08628505e-11 8.19519454e-15
 4.73825007e-11 7.87688387e-11 2.23158918e-06 1.85433502e-09
 3.35074690e-10 2.86641333e-09 1.84507044e-07 4.47552169e-11
 1.06017009e-08 5.41349410e-10 1.26334907e-08 5.67068559e-10
 2.07909601e-08 3.66140104e-11 1.91410386e-12 2.34207429e-13
 1.44931268e-12 4.94022184e-11 1.08970802e-13 7.43700240e-11
 1.16841689e-10 3.96162053e-12 3.13179795e-11 1.35681104e-12
 3.52447446e-11 6.30581767e-11 2.05411521e-14 4.93294329e-11
 7.89950917e-12 3.20875032e-12 3.00434330e-12 1.12026733e-11
 9.99990344e-01 5.31369009e-14]


0.99999034


84


[1.56892627e-03 1.10466048e-04 1.56105162e-09 9.98195708e-01
 2.89437296e-09 1.35671865e-08 7.50324802e-10 5.56027502e-10
 1.77836608e-08 6.82116692e-08 6.49188536e-10 2.61769106e-10
 7.55092711e-10 8.67984851e-10 3.78758659e-06 3.68180243e-11
 3.59729224e-09 3.33790307e-09 5.16698351e-10 2.56224236e-10
 7.36292416e-10 1.37536982e-10 6.61618742e-07 9.52306234e-10
 2.13359463e-09 3.34075025e-07 1.59386786e-06 3.73181097e-10
 1.67564110e-07 3.25173843e-08 1.29282626e-11 3.59912455e-09
 4.82060258e-08 3.49162654e-09 9.36177269e-09 3.57603227e-08
 2.85153179e-10 3.09341823e-11 5.11596340e-07 6.62479533e-12
 9.01684771e-08 7.11626036e-10 3.06104343e-11 7.16082513e-06
 1.38772362e-13 5.16564347e-10 3.34132194e-10 4.10180823e-09
 6.20432872e-11 3.33811451e-12 5.18015526e-11 1.99997814e-08
 6.52808385e-09 2.43128707e-05 6.70111986e-05 8.97582897e-10
 9.66170199e-11 1.67337727e-10 9.50550088e-07 2.81442940e-08
 1.32665903e-07 4.90039338e-06 6.94326309e-06 9.75555903e-09
 5.57098747e-06 2.33031194e-09 6.39582964e-08 1.52394642e-11
 1.46808621e-10 3.17582100e-10 2.52803445e-09 2.34170822e-10
 5.80453685e-09 2.85301144e-10 4.07308720e-09 1.23842696e-07
 2.13940177e-09 2.74669638e-08 1.96001423e-10 5.65605965e-11
 1.79008908e-09 1.53319146e-11 3.19988236e-09 3.39758499e-11
 1.57828751e-07 2.79822832e-11]


0.9981957


3


[2.17373164e-09 5.59544278e-09 3.24744276e-09 2.17775723e-05
 1.13133281e-08 6.69534686e-13 1.27582875e-11 8.54794457e-09
 3.96594316e-07 8.17867258e-13 2.87259874e-14 3.59639683e-12
 1.73779990e-09 4.04302807e-12 6.13723516e-10 4.80322560e-10
 5.54697692e-07 8.11357204e-09 3.61710342e-08 1.64013669e-09
 1.85309545e-09 5.28293298e-10 1.43524801e-07 1.63406391e-08
 1.58831628e-10 3.71925234e-12 1.15968009e-08 2.68924261e-09
 1.55272242e-03 8.39800537e-02 2.02507522e-08 9.12853301e-01
 3.86163098e-04 1.18000130e-03 1.84121382e-05 2.04091648e-07
 6.92607394e-09 1.36065319e-06 2.84106477e-07 6.44564238e-07
 1.13884869e-06 7.58378818e-08 2.07126760e-09 2.25527202e-07
 2.74608197e-10 4.93730354e-08 5.21394439e-09 1.07695666e-06
 1.90474942e-08 1.25994484e-12 8.77805562e-08 8.65936717e-13
 2.45383038e-08 2.97223690e-10 9.88109733e-11 4.00573468e-14
 7.20964288e-10 6.82289780e-09 2.27604566e-08 3.11306763e-07
 8.74549377e-10 3.47138467e-07 2.08071622e-08 2.39097382e-08
 1.45086565e-08 4.62036034e-11 1.84050264e-09 5.22029468e-12
 3.77986921e-12 7.02051264e-11 8.03193885e-08 3.90716986e-14
 1.56239661e-08 6.84392099e-09 1.60800165e-10 2.68429983e-11
 1.22505187e-10 4.42319049e-07 2.69330933e-12 1.04039631e-10
 2.48633874e-11 1.26044605e-10 1.23451542e-12 5.33130928e-10
 5.88667393e-10 3.43151896e-10]


0.9128533


31


[2.61787648e-07 5.19249966e-07 2.48799870e-10 9.99710143e-01
 5.87762230e-08 7.67395349e-12 8.12648646e-12 4.89297769e-11
 1.07655519e-12 8.62860547e-11 1.16869403e-09 3.15147517e-12
 6.97475064e-12 1.16350835e-11 2.73159996e-04 5.00619657e-10
 7.53772218e-12 6.36408218e-11 9.95866944e-10 3.95418732e-11
 1.25426031e-10 2.30848701e-10 8.37230436e-06 8.08397654e-11
 1.04465291e-10 2.20394818e-12 9.04035957e-10 1.21291631e-11
 1.36803935e-09 1.91669999e-10 1.00421373e-13 7.63384356e-10
 1.24115482e-10 1.86028064e-08 4.03229949e-11 8.55096771e-10
 5.14201258e-13 1.07847369e-14 1.25947741e-09 1.91185189e-13
 7.30066077e-11 4.18596859e-11 4.15412300e-14 2.30411157e-09
 1.40787649e-16 3.78686950e-14 1.06534165e-11 2.21250362e-11
 1.32024643e-12 7.73035387e-15 1.49272868e-12 1.70076887e-11
 6.69896749e-10 8.91937546e-09 1.68082062e-10 9.87487680e-14
 6.80410597e-15 1.15673394e-13 1.59026587e-08 2.61861921e-10
 5.05756634e-12 8.07157150e-08 3.87722562e-11 1.86473539e-08
 2.96729002e-10 3.08963619e-12 4.36927126e-11 1.88575544e-12
 8.32235431e-13 2.92812406e-11 7.30625106e-06 2.04543712e-13
 3.26483320e-11 3.84700882e-11 7.42923084e-12 1.12618004e-08
 1.07318945e-11 1.01513675e-09 1.49538465e-12 5.65060694e-13
 2.02142296e-12 2.10495753e-11 1.38997104e-11 3.79168702e-12
 4.97333397e-10 9.26621713e-12]


0.99971014


3


[3.86302730e-07 9.93474270e-04 8.70817658e-08 1.35808403e-03
 4.41247429e-12 3.11600995e-10 6.39378328e-10 1.87107062e-07
 1.72996735e-07 2.14485119e-09 1.87067153e-10 8.12746981e-10
 1.75364121e-07 1.72746450e-09 5.27046950e-06 1.54883784e-09
 6.82300189e-11 2.26452329e-10 5.31737410e-09 3.12284643e-10
 2.25797187e-10 3.64585528e-10 1.14319761e-07 1.91187102e-08
 1.93341521e-08 4.32014202e-09 1.22920628e-05 5.94595415e-11
 1.67626945e-06 1.06224334e-07 2.15530649e-11 1.22003939e-07
 1.01356967e-09 2.71363547e-07 1.85221771e-09 5.28149400e-08
 9.72355599e-11 3.56561169e-11 6.69954148e-10 1.23196578e-10
 7.55335849e-10 5.94763572e-10 3.86272819e-11 3.81263803e-08
 2.60462767e-13 4.69295505e-11 7.47419182e-10 1.52667106e-08
 5.58025792e-10 1.54473257e-11 3.51944501e-10 1.39791922e-09
 8.57977334e-09 5.81708991e-06 6.55669474e-09 1.77962589e-10
 3.82272310e-06 7.92138355e-09 5.94240706e-03 7.66309022e-05
 8.94283616e-08 1.96965574e-03 4.12379566e-04 9.89211440e-01
 2.81441771e-06 7.98683897e-11 2.71073053e-09 2.06478324e-11
 2.54108332e-11 1.05261966e-09 3.37481737e-07 1.77115100e-09
 2.13111804e-08 2.84521093e-07 3.93056802e-11 2.99377973e-07
 1.41746890e-08 2.73561671e-08 7.76472636e-11 5.02485298e-09
 1.06814980e-10 1.23700477e-06 1.37923761e-08 9.58813402e-08
 6.47221610e-09 5.79407056e-09]


0.98921144


63


[1.36928675e-05 5.11488703e-04 5.41471650e-08 7.92628907e-06
 1.70527325e-11 5.15362093e-11 1.57540274e-08 1.54806287e-06
 7.18492174e-07 5.82996318e-09 3.44689255e-09 3.23173686e-06
 2.50810608e-05 3.78515352e-08 5.80661163e-06 1.84659505e-08
 7.11920434e-09 3.67979010e-06 1.10051980e-04 3.84604988e-07
 1.07031433e-08 5.48861578e-08 1.44416120e-07 4.85924318e-07
 2.81630292e-07 4.23516781e-07 3.71842953e-06 5.12239140e-10
 8.89024406e-04 2.55451450e-05 3.42948847e-09 3.20932531e-06
 1.07498259e-07 3.27310374e-08 1.03141365e-05 7.21275057e-08
 3.88026811e-09 2.95695524e-10 2.60434385e-09 8.18687340e-09
 6.82925216e-10 1.07898881e-08 1.14415799e-09 4.44974475e-08
 3.35870394e-11 3.01117214e-10 1.14219461e-07 1.49412678e-08
 7.10390982e-11 2.96280223e-11 7.34391747e-09 1.30492361e-09
 3.56887342e-09 1.30123652e-07 1.20598322e-08 1.27730226e-08
 7.36486345e-06 7.94223212e-08 8.28226581e-02 1.18311335e-04
 4.76335617e-06 7.82673657e-01 1.18795924e-01 1.51266449e-03
 1.24204792e-02 5.87921933e-09 2.71901862e-10 3.03171710e-10
 5.56814905e-09 2.03751469e-07 3.23866334e-06 4.81065626e-06
 1.11625731e-07 1.71291788e-07 2.83074524e-08 5.01669956e-06
 3.79908371e-08 3.91855309e-07 3.52369711e-09 4.81876725e-07
 4.82296914e-09 6.87268482e-07 1.59177951e-08 8.56019233e-06
 2.71393378e-06 2.46796503e-08]


0.78267366


61


[7.94902206e-08 1.50354299e-05 8.93976306e-08 1.64146659e-05
 5.68148306e-12 3.53405022e-12 1.06895048e-10 3.88065882e-06
 7.50396964e-07 6.71547040e-09 9.74999421e-12 9.33070987e-06
 1.15737851e-06 4.61616612e-09 8.27703275e-08 9.62837561e-08
 5.39199929e-09 2.44019787e-07 3.71126807e-05 2.03212380e-07
 2.84323254e-09 3.20096198e-08 1.09322499e-07 2.35225528e-08
 3.96941005e-08 5.00386454e-10 8.44674923e-06 1.42296236e-11
 2.85315706e-04 6.87195512e-04 1.03093367e-09 5.73626778e-07
 2.10417594e-09 1.46617833e-06 7.60866101e-07 3.90713017e-09
 1.83482574e-09 2.84820306e-10 3.88565818e-10 9.92551707e-10
 2.11287363e-10 7.46580853e-11 1.24672443e-11 1.63076719e-09
 1.91555400e-11 8.61370350e-11 6.72632883e-09 2.18681892e-10
 1.41678044e-10 1.00231080e-10 6.36375452e-10 2.77969835e-11
 7.31274374e-10 5.83677284e-09 4.47728132e-10 1.56692490e-08
 9.41786880e-07 9.48806811e-09 2.48177148e-05 1.10249097e-07
 1.49911401e-04 9.92984295e-01 8.07239965e-04 4.92320489e-03
 6.94981054e-06 1.19995000e-10 3.36020678e-09 2.75877151e-11
 1.26882238e-09 1.24741613e-08 5.30961472e-07 3.76407314e-08
 3.64031805e-09 1.82491206e-07 2.04597872e-09 4.50347017e-07
 2.57514774e-08 8.34045579e-08 5.26500443e-09 6.98353446e-08
 1.54916813e-09 1.32447866e-07 5.77270463e-08 3.23415588e-05
 9.99566936e-08 1.41886602e-09]


0.9929843


61


[3.3247500e-07 9.9999738e-01 1.1575469e-10 1.1441507e-06 7.0919704e-14
 3.2278986e-13 5.0698936e-13 6.8623578e-08 1.3824524e-12 6.5087616e-11
 9.3305658e-13 5.5622909e-08 6.2402918e-08 6.9549787e-12 2.6433307e-07
 1.9588376e-11 9.8549370e-15 6.5606797e-13 2.3575535e-09 1.5872526e-12
 2.8174164e-13 3.7642473e-14 1.0047739e-10 2.2266832e-12 1.1947396e-11
 5.6347466e-10 7.1718126e-12 3.0818571e-13 4.7208868e-09 2.3265410e-11
 3.8780082e-14 1.1075130e-11 1.8066633e-11 2.4025359e-12 1.1173506e-13
 1.8889469e-12 1.3433121e-12 1.4654988e-15 2.4958879e-13 1.5996318e-15
 5.4666781e-14 9.8642713e-14 1.6203226e-15 7.4795786e-10 6.2144286e-17
 6.3966085e-14 1.6784852e-12 3.6146182e-14 3.0080181e-15 8.6994078e-15
 2.8396925e-13 2.9135657e-14 1.3465108e-12 1.4690561e-11 7.2079932e-11
 4.3494451e-11 9.4845366e-13 4.4683324e-13 1.1316526e-08 1.3411246e-10
 1.9975103e-11 1.6061288e-07 1.5022411e-09 1.8754731e-09 1.5209327e-12
 1.3243487e-12 3.5933021e-14 2.8763130e-13 6.4634489e-14 2.5296740e-11
 4.1671528e-09 4.8256038e-11 6.2894294e-11 5.8349062e-11 3.9462614e-13
 1.8775461e-08 7.6225581e-11 2.4146917e-12 1.1225077e-12 6.1916382e-11
 2.1426202e-14 3.5711087e-11 7.1754863e-10 2.2308387e-10 3.8482540e-07
 1.8156248e-14]


0.9999974


1


[3.7808800e-07 1.8166432e-07 2.7503078e-09 2.4501838e-01 2.0448727e-09
 3.2183192e-09 2.0623885e-10 2.2868872e-10 2.3069073e-07 1.2809803e-08
 6.8002087e-10 1.4824641e-08 4.9357946e-05 7.5430406e-10 4.9455593e-06
 1.0459839e-09 7.7727769e-11 5.3935340e-10 6.3067302e-09 8.2723970e-09
 7.0032752e-10 4.1184091e-11 2.8199597e-06 3.9660293e-09 1.9004225e-09
 1.0178051e-07 1.9952122e-06 6.0113015e-10 2.2211467e-04 2.5934017e-07
 1.4986620e-10 9.3510471e-06 4.5406274e-09 1.2564196e-06 6.4918197e-08
 1.2622752e-07 2.7771799e-10 4.8684906e-10 1.7110452e-07 3.4826597e-10
 3.2347571e-09 2.2204549e-09 1.9551820e-11 4.6849186e-07 3.1219950e-11
 1.1105378e-10 1.2259600e-08 1.5437571e-09 1.1984985e-10 2.9553551e-11
 1.3245975e-09 6.8797279e-09 2.3264930e-09 1.5890305e-07 1.6266264e-07
 1.6212432e-07 1.1842319e-08 1.3660296e-09 1.6151990e-06 3.7891009e-08
 3.2509515e-06 7.5465143e-01 2.0296245e-06 2.6881708e-05 2.7064809e-07
 8.6529646e-12 3.1660403e-11 2.9779793e-10 1.9823672e-09 1.3548117e-10
 7.4052416e-08 6.9899037e-10 5.5269518e-09 2.1145257e-09 9.2473046e-10
 9.4182644e-07 1.9860757e-09 4.8079016e-09 8.7227736e-09 7.6470363e-10
 5.8487110e-10 4.2504450e-08 6.0979296e-08 5.8703090e-08 4.3266888e-07
 4.8269770e-09]


0.7546514


61


[1.88033417e-04 6.52422568e-06 2.52069171e-10 4.47633147e-06
 5.59823192e-08 1.88931267e-06 3.06849657e-08 7.55833469e-07
 5.55242877e-07 1.94853851e-06 7.58969418e-06 1.49960415e-05
 1.07561527e-06 2.20531501e-06 1.12947507e-03 7.46111425e-07
 1.40478988e-07 8.70429695e-01 2.01869179e-02 5.07480627e-06
 2.81883757e-07 1.72466807e-05 1.02891772e-05 5.93986272e-07
 2.41955422e-05 1.06374130e-01 2.01747443e-05 4.77323887e-08
 8.96304264e-05 1.81210612e-06 3.03262020e-08 3.09854725e-10
 7.05115156e-07 8.45949853e-06 2.93036180e-07 3.94677136e-06
 1.04202611e-08 2.35253550e-09 4.88461644e-08 1.92990697e-07
 1.59174824e-08 3.51859235e-08 1.37560301e-08 2.53172004e-07
 2.42784598e-10 3.92080257e-10 1.48395281e-06 6.41865014e-08
 6.44358389e-09 1.30576501e-08 3.10810968e-08 8.01920450e-08
 5.08862513e-07 5.87316649e-08 2.65244967e-06 4.92110576e-06
 1.07112777e-04 7.36503182e-07 7.83434371e-06 3.10967536e-08
 1.35409166e-04 1.58074381e-05 7.70530489e-04 1.30677552e-04
 5.22101109e-05 4.17028741e-06 2.26673187e-08 8.81962325e-09
 7.43533690e-07 3.44218051e-07 6.92268827e-07 1.09709099e-05
 4.52560585e-07 6.74053240e-08 4.20265032e-08 2.42250826e-06
 4.13607992e-09 2.22602043e-08 3.48415097e-09 1.49328183e-09
 1.45340934e-07 3.68868285e-07 1.55753582e-07 2.25737913e-05
 1.91934872e-04 2.09100897e-08]


0.8704297


25


[2.97179300e-04 8.63119396e-07 1.53933991e-10 5.64822869e-07
 7.59346470e-13 2.54486366e-07 6.92713831e-10 2.46972243e-09
 1.45315437e-06 2.62689093e-09 2.45825538e-09 4.34363240e-10
 9.05984416e-06 1.88581481e-07 1.92890070e-06 5.23235322e-09
 1.08318063e-10 7.28456273e-09 3.43924511e-09 4.51728566e-09
 3.91560118e-09 1.76052811e-10 3.07539771e-08 4.37331487e-08
 1.50634936e-08 3.22070569e-01 1.71718020e-05 1.12889236e-08
 2.38343318e-06 1.36021674e-08 5.31734656e-09 5.29791215e-08
 1.14668959e-08 6.15920158e-07 4.51093163e-09 6.24844532e-08
 2.78394169e-10 9.41105249e-11 7.54905955e-07 3.34779249e-09
 4.36516423e-08 8.85782114e-09 7.30945859e-10 1.06803400e-05
 3.62205058e-13 1.53440281e-11 4.02394065e-08 1.61800475e-08
 9.16720103e-11 3.81457116e-10 1.65406977e-08 6.34057713e-08
 3.88702034e-07 6.46603221e-05 7.37006404e-03 9.15843330e-08
 2.48370810e-07 2.32062947e-09 4.02212827e-05 2.92360096e-06
 1.10026946e-07 1.10684196e-05 1.44175033e-07 6.12656004e-04
 9.82096572e-06 6.92136055e-08 1.83882666e-11 4.27271760e-11
 1.03528741e-09 2.06039585e-09 2.17879308e-11 4.52012000e-06
 1.18901635e-08 2.64394129e-09 6.89000579e-10 2.38304793e-07
 3.54833762e-09 2.09104192e-10 4.44118020e-10 1.11088401e-08
 1.41270773e-09 6.15680804e-08 1.43680057e-09 1.85568581e-07
 6.69468343e-01 1.63445321e-12]


0.66946834


84


[9.9953806e-01 1.4331892e-05 9.4439190e-10 2.7081120e-07 1.1372066e-13
 1.4038585e-09 5.9673794e-11 5.8989354e-08 1.2086268e-08 1.3527816e-09
 4.2548122e-12 8.7122795e-11 4.3450787e-10 2.8535170e-09 7.1624984e-10
 1.2855915e-10 9.8183933e-11 4.0206416e-10 4.6866025e-11 3.8286060e-10
 3.1913572e-10 4.4831127e-12 8.7138838e-09 8.6490531e-10 3.8520840e-09
 1.0922085e-06 8.8503185e-08 2.2711168e-08 1.9253811e-08 8.8682550e-10
 2.6451945e-09 1.9045683e-09 3.5577610e-09 5.3365579e-08 1.0011681e-10
 5.6180425e-09 4.0662338e-11 1.1222108e-11 8.2003019e-08 6.0011050e-12
 1.3528407e-09 1.5667320e-10 1.3682578e-09 6.7687188e-06 2.4111290e-13
 1.7550440e-11 3.2340810e-09 2.5229985e-09 3.4711600e-12 1.7173592e-12
 9.4822195e-10 4.4106553e-08 2.7111291e-08 3.3181516e-04 6.0290055e-05
 1.0522614e-10 5.4023830e-10 3.6185638e-11 2.1172519e-07 1.1393458e-06
 1.9521154e-09 3.4241307e-08 4.2818802e-09 2.6356435e-07 7.3379039e-07
 6.4186865e-09 5.6840109e-11 1.7101615e-12 3.5277736e-12 2.2610461e-08
 2.2648432e-09 2.7708347e-09 3.6991361e-11 5.0149485e-10 8.3722883e-11
 3.9010244e-09 1.9513222e-09 1.7552089e-10 3.4644218e-11 2.2815129e-10
 1.6003817e-09 5.8259446e-11 4.3610116e-10 2.1436837e-10 4.4623255e-05
 6.4941646e-12]


0.99953806


0


[9.98012066e-01 3.73195394e-06 4.05710965e-10 9.85669612e-06
 3.75255296e-12 1.19255148e-08 2.43434828e-10 4.40947758e-08
 5.79670179e-08 5.21377874e-09 8.56359081e-11 1.99266093e-09
 9.73933378e-10 5.82646109e-09 1.58614144e-09 3.17824822e-10
 1.53367347e-10 2.21158913e-09 5.47046332e-11 5.31861721e-10
 3.81322141e-10 2.69278198e-12 7.51072378e-08 3.00003489e-09
 5.53535395e-09 2.15335081e-06 5.56240082e-07 3.00131298e-08
 1.12420457e-05 4.98550435e-07 2.45492060e-06 2.06022204e-08
 3.21075618e-07 4.18828449e-06 8.94944829e-09 7.53602649e-07
 8.08827894e-10 3.31274425e-10 2.20889342e-05 1.27883412e-10
 6.17143087e-07 2.02735870e-10 2.61619899e-08 1.62842998e-03
 1.15647679e-10 4.21615243e-10 1.14304676e-07 6.22070857e-08
 7.10254147e-11 5.14748071e-11 1.89011882e-08 2.13662383e-06
 1.92421362e-06 2.47129310e-06 3.55217890e-06 5.51864977e-11
 6.34016506e-10 3.03747583e-10 3.55956327e-05 3.14131576e-05
 7.85525458e-07 5.31603860e-07 7.70440067e-07 1.22744925e-04
 3.16393998e-05 2.54261323e-08 4.03055633e-09 5.62371885e-11
 1.30731372e-11 1.51491037e-07 1.53828708e-07 1.61754727e-07
 1.07070985e-09 2.15549782e-08 6.49032339e-09 1.61935461e-07
 8.61642224e-09 1.67813994e-08 4.26064917e-09 2.23844960e-08
 3.60698529e-08 1.34683931e-09 1.55456703e-09 1.11994536e-09
 6.61016602e-05 4.89199792e-10]


0.99801207


0


[9.99985933e-01 1.89385815e-07 1.77814811e-11 8.19341722e-07
 1.57979082e-14 4.20713048e-10 2.22998234e-11 1.23193677e-10
 3.18540916e-10 9.89003948e-11 2.52850063e-12 8.71320377e-12
 2.85447393e-13 2.78706752e-10 4.87124022e-11 8.13893657e-12
 1.11917316e-11 6.75880532e-11 9.84664867e-12 1.98030273e-11
 1.06964965e-10 1.86585079e-12 2.29241426e-09 2.89752632e-11
 6.77056300e-10 1.69705757e-07 1.16855492e-09 2.49192944e-10
 5.39788347e-09 5.14507059e-09 1.40294532e-09 9.71457775e-11
 1.50275334e-10 7.43626716e-09 5.85559864e-11 3.13356785e-09
 1.65561523e-11 5.51228930e-13 1.35209248e-07 4.59642056e-14
 2.48631995e-08 4.52582026e-12 1.79503371e-10 6.25162784e-06
 6.09302105e-14 9.61139371e-13 2.40491915e-09 5.20308774e-09
 2.44214317e-13 2.39123669e-14 2.15907514e-10 5.33029515e-06
 1.08471463e-08 6.11682864e-08 3.75894786e-07 1.96213353e-13
 9.57107549e-13 2.47395312e-13 7.17632886e-08 1.14402802e-07
 2.23168262e-09 7.30895167e-09 1.49292634e-09 1.97409022e-07
 1.00502454e-07 1.30515465e-09 2.99962638e-10 1.10051497e-12
 2.68666857e-14 8.17323154e-10 3.26702665e-09 3.86198351e-10
 2.59172423e-11 9.34806885e-11 5.68523180e-12 3.33535581e-08
 6.91070035e-10 2.88554902e-10 5.05487763e-10 1.66739140e-11
 1.41700415e-10 7.83086812e-13 5.13578034e-11 1.00003892e-12
 2.08294093e-08 1.83856402e-12]


0.99998593


0


[2.39122386e-07 3.06562137e-10 1.09965067e-11 3.92299810e-08
 2.04130567e-11 1.28760858e-09 8.07561518e-11 1.39552758e-10
 3.53322753e-11 5.99204908e-10 2.57700424e-11 3.40411683e-12
 5.59959357e-10 2.02403561e-09 4.54188839e-11 1.19769916e-10
 4.01526901e-09 3.13241486e-08 1.33204985e-08 1.45037342e-08
 2.89335617e-07 3.35778916e-09 1.14973195e-08 5.69451730e-09
 3.01154245e-07 2.52429822e-06 4.06676293e-09 1.13697185e-09
 2.71553025e-09 8.16729440e-09 6.01544425e-10 1.91549554e-10
 2.74776951e-10 6.11542603e-08 6.62576605e-10 3.81549512e-07
 7.84125760e-08 2.47722207e-11 1.05007899e-07 3.31459057e-12
 3.49448150e-08 8.80056306e-10 9.74145120e-09 4.21343145e-07
 1.47126530e-11 8.90723467e-11 1.24244892e-10 1.14502905e-08
 2.73855418e-11 1.15695006e-11 1.20058674e-08 9.99995112e-01
 2.61983146e-09 4.30923635e-08 1.97881667e-09 2.82204208e-12
 5.47157415e-12 7.75510819e-12 9.81405446e-09 1.47638002e-09
 5.28900905e-08 4.36684005e-08 4.74891515e-10 1.39791922e-07
 1.05664366e-09 2.35011477e-08 1.30673095e-09 5.54425256e-11
 7.95559419e-13 6.99086566e-10 9.50756279e-11 2.31817274e-11
 5.38477873e-10 1.88625171e-10 5.60729622e-11 2.46573819e-08
 8.33879979e-11 3.01538905e-10 3.02116590e-08 1.40729052e-11
 6.93164484e-11 4.09631573e-12 1.44033925e-11 7.03085784e-11
 1.22307520e-09 3.35087617e-11]


0.9999951


51


[3.78501454e-07 9.90872286e-06 1.21560477e-13 1.95640296e-10
 9.20099195e-15 4.41774478e-10 5.91125482e-11 1.84405136e-09
 5.28843691e-10 1.15585475e-09 3.80181636e-10 1.39537082e-09
 1.09527525e-08 8.99204100e-10 3.15667239e-06 7.32212294e-12
 5.80335649e-12 6.02642158e-10 6.04944539e-09 6.15418438e-10
 7.83183129e-10 7.42162221e-10 1.57144209e-09 1.05883107e-08
 8.62934684e-08 9.99973893e-01 6.28345764e-10 5.24553621e-12
 6.41138531e-10 5.04980813e-09 3.34443736e-12 3.99999695e-12
 1.01730777e-10 7.21184874e-12 3.65094646e-13 5.94801430e-10
 2.13545487e-10 4.84344823e-13 5.05444075e-10 3.18621025e-13
 5.41287848e-10 2.43130682e-10 2.92412414e-11 1.69704828e-09
 3.16385504e-15 7.64356894e-13 2.27623736e-11 3.01559527e-10
 1.16498066e-12 4.77794399e-13 5.70683015e-11 3.74367133e-08
 6.42291553e-10 3.53591334e-09 1.47888315e-08 1.07296605e-09
 2.73585820e-12 4.46596129e-13 6.76147360e-10 7.21584681e-10
 7.19731774e-10 8.73050909e-10 1.00605668e-09 1.78206765e-08
 2.95256208e-10 1.27714284e-08 2.34028205e-12 2.68930494e-12
 1.80759433e-13 6.66181277e-11 1.28892028e-13 1.24155153e-09
 5.12809628e-10 6.73572309e-12 1.27044615e-13 2.15203322e-08
 6.93409956e-12 1.81763860e-12 6.00779149e-11 7.18811512e-13
 9.71675431e-12 4.71620572e-12 4.19601055e-11 1.60056884e-10
 1.23887157e-05 8.44275326e-16]


0.9999739


25


[2.17526477e-07 9.99982834e-01 6.76125378e-09 7.75751374e-08
 3.12699031e-13 3.78670706e-12 2.26936758e-09 6.06622166e-08
 6.12162676e-09 1.87962925e-08 8.99525524e-11 1.55876705e-06
 1.40590231e-07 8.75265763e-11 4.93878588e-07 1.67852329e-10
 2.13900520e-09 9.21787369e-10 8.15052414e-10 2.27298003e-09
 1.08412372e-08 2.18222010e-10 1.23737172e-08 9.14948188e-08
 6.29087481e-07 1.05523322e-05 6.88590740e-09 9.68261409e-12
 2.69594813e-09 1.51811560e-06 1.72817835e-07 5.66368508e-09
 2.90864044e-08 1.15964105e-09 3.29106409e-09 3.15276472e-10
 5.94166742e-08 1.14658505e-10 6.13676576e-09 2.34981323e-11
 7.18428372e-10 1.94448346e-09 6.52689292e-11 1.22796895e-09
 1.70758319e-13 7.21814108e-10 1.43623269e-09 1.22766517e-08
 5.81615756e-10 6.84959901e-12 1.08128784e-09 6.78631862e-09
 1.42108131e-10 2.41097062e-08 2.40570195e-08 1.43905976e-09
 1.83619106e-10 1.40260331e-10 3.30499739e-09 5.65070435e-09
 3.68924225e-09 1.28091111e-08 4.13069955e-07 2.92453795e-09
 2.05019965e-08 7.44758566e-09 8.88515234e-11 5.80571646e-10
 2.05996743e-12 6.10186746e-09 8.66269070e-11 1.50843587e-08
 2.38968956e-09 2.14576379e-09 3.12111665e-12 7.34503431e-07
 8.44987085e-08 9.92078503e-11 6.34942654e-10 9.21718757e-10
 2.84247320e-10 2.40840792e-10 1.69066077e-08 2.17025328e-10
 6.49802132e-08 6.25770255e-14]


0.99998283


1


[1.49096627e-06 3.00587344e-05 3.84144842e-05 9.64723313e-06
 1.29097563e-04 3.24970828e-09 1.81750465e-06 3.59706917e-07
 2.56994717e-05 4.03888151e-07 1.38185751e-05 1.42402369e-05
 2.18322407e-06 1.59248486e-06 2.68744800e-04 1.47879386e-04
 2.59624660e-01 1.21328011e-01 3.25416736e-02 3.81070405e-01
 2.02937219e-02 1.88503612e-03 5.01497835e-03 1.24234714e-01
 5.30617647e-02 9.06755213e-06 6.44762167e-06 1.40537722e-07
 3.11043527e-06 1.35249356e-05 1.80412280e-06 3.60241065e-05
 1.05218089e-06 1.05342351e-05 2.99723001e-06 1.26913328e-05
 3.27567177e-05 8.24358176e-06 2.00034970e-06 6.64952211e-07
 6.19848493e-07 6.00688782e-06 3.57294510e-07 5.86657407e-08
 5.11660625e-09 9.36187007e-07 3.60999053e-07 1.65069177e-05
 2.15950040e-05 6.84611337e-08 7.34429659e-06 9.71714962e-06
 2.07500520e-07 3.06165180e-06 8.31616774e-07 6.07812012e-07
 1.23647269e-05 5.40917604e-08 1.40595569e-06 1.88276289e-07
 8.63601599e-07 4.39950054e-06 1.07109564e-07 6.24268182e-07
 1.26001250e-05 3.93352821e-07 4.78928882e-07 1.17222704e-07
 2.06918660e-08 6.46150511e-07 5.87443139e-07 4.40404420e-07
 1.05817242e-06 9.31688828e-06 5.95087783e-08 1.03901755e-06
 1.43298365e-07 1.29562551e-07 3.90055447e-07 7.85818202e-07
 4.09339265e-08 2.25562999e-07 5.69245628e-07 8.32300717e-09
 1.15402543e-06 5.50482717e-08]


0.3810704


17


[1.21843512e-03 7.47456943e-05 3.25551555e-05 2.21101945e-05
 1.49360119e-07 7.21850224e-09 2.78471884e-06 1.54008760e-07
 3.59598312e-06 4.03674790e-07 5.42889950e-07 1.34196061e-05
 5.80021947e-07 7.91271304e-06 1.45014841e-03 1.86517499e-02
 1.33363847e-02 1.50451148e-02 3.91245037e-02 7.54998773e-02
 4.31227162e-02 1.94526482e-02 2.94512883e-02 4.55592424e-02
 6.96964383e-01 2.41080888e-05 1.82533360e-04 2.78000076e-08
 2.82898418e-06 4.88924741e-07 1.66197219e-06 1.90431422e-06
 6.59672708e-08 3.32871849e-07 1.58637690e-07 1.45079002e-06
 4.15938848e-06 8.27200722e-07 1.01664355e-07 2.26451711e-08
 5.38052625e-09 2.40018949e-07 1.09048850e-08 4.91697971e-09
 3.97836708e-10 3.95273787e-08 3.71773439e-07 8.12857252e-06
 1.30755222e-06 2.12847375e-08 2.11619721e-07 3.15245256e-06
 8.23878707e-08 2.20375750e-06 4.95666536e-05 1.82350129e-06
 6.18377408e-06 8.34142622e-09 1.00816933e-05 2.31089921e-08
 9.00294344e-06 2.35535099e-05 1.77462908e-07 1.88947396e-07
 1.02507747e-05 3.53853466e-06 1.03470427e-06 9.34025692e-08
 4.89191265e-08 2.10603212e-05 5.11848833e-04 7.87588397e-06
 2.46748641e-06 1.38856158e-05 1.75379682e-07 1.99346250e-05
 8.47027604e-06 3.65527740e-06 1.15857238e-05 4.88883245e-07
 1.06737099e-08 4.78436277e-07 6.50176707e-06 2.22153087e-08
 4.09911945e-06 8.49283044e-09]


0.6969644


24


[4.24395828e-03 6.55724216e-06 9.17799262e-05 5.72103772e-07
 5.84244958e-07 2.47353960e-09 3.33438607e-07 4.69969137e-07
 2.75975049e-06 4.82293601e-08 1.14973204e-06 1.26234172e-05
 1.22308063e-06 5.30212492e-06 1.14994698e-04 2.78729834e-02
 1.43150970e-01 9.70493723e-03 8.44311342e-02 1.32550925e-01
 7.54373521e-02 6.25520423e-02 1.40044810e-02 4.06944081e-02
 4.04849529e-01 1.40926431e-06 3.19932296e-05 1.68295941e-07
 6.75390947e-06 7.24155257e-07 1.63839456e-06 6.71204134e-07
 1.26796227e-08 4.18843378e-08 1.65477985e-07 7.06785158e-06
 5.61843899e-06 8.32481237e-06 7.81722576e-07 5.70449743e-07
 3.81896967e-08 1.16041662e-07 1.47816806e-07 1.30122459e-07
 1.00350377e-08 1.98938756e-06 2.37574568e-06 1.51718405e-05
 6.98143231e-06 1.37611678e-07 7.97602695e-08 1.77524498e-07
 1.88674917e-07 1.34708216e-06 2.35184452e-05 5.74359638e-06
 2.11408715e-05 2.41298075e-08 1.13407248e-06 3.69695869e-07
 6.51741288e-07 1.10290932e-06 5.62828717e-09 1.53523843e-08
 5.38048789e-06 1.48806100e-06 1.41425858e-07 6.95729909e-08
 1.02680509e-07 1.27010153e-05 5.13235245e-05 3.34111678e-06
 4.39919063e-07 1.74278102e-05 1.95026746e-06 1.19718311e-06
 1.65605775e-06 3.11190911e-06 1.27524772e-05 1.19060428e-06
 2.58540367e-09 1.11605698e-06 8.34257037e-07 6.76730068e-08
 4.05528226e-06 1.07513323e-08]


0.40484953


24


[9.9995077e-01 3.7962150e-06 1.8315528e-07 7.4421428e-07 5.1162997e-15
 2.3334072e-13 4.1116978e-11 6.3823120e-09 5.5121625e-08 7.8903345e-10
 4.8256874e-13 1.3094855e-08 1.6238656e-09 1.6546843e-09 9.7040285e-08
 1.7345186e-06 5.6006002e-08 1.2603713e-10 6.9348225e-09 1.0632552e-07
 5.5928689e-07 3.4957665e-08 3.1241098e-07 2.3875219e-07 1.2389764e-07
 1.2110893e-09 8.8852827e-09 1.7963619e-09 2.2180082e-07 8.6065677e-07
 5.8698884e-06 1.6077644e-07 9.4684962e-09 4.1694475e-09 5.9610350e-08
 5.5801703e-08 2.8461593e-09 1.5693189e-08 2.8885080e-07 8.8453889e-10
 1.9325670e-09 1.3573793e-11 2.4276862e-11 2.3571808e-07 3.5772258e-12
 3.9164320e-08 2.4191328e-07 2.1097042e-06 8.1845031e-10 1.5935616e-11
 1.2099164e-09 1.4833780e-11 4.3096701e-08 6.4286688e-08 1.8290707e-07
 1.1968884e-09 1.5301955e-09 1.5337933e-12 2.4524586e-06 2.1742733e-06
 3.9351646e-09 2.3269911e-06 2.2593181e-09 4.6307495e-08 3.1083025e-07
 2.1667064e-09 6.7302795e-11 1.0119541e-11 3.5628310e-12 8.2680145e-08
 2.1825060e-06 8.7233358e-09 9.5881469e-10 7.0037186e-07 1.8987963e-08
 2.1910107e-06 1.7564726e-05 1.6896631e-07 3.7079960e-08 8.1244906e-08
 2.1864902e-11 7.8231693e-10 9.8048392e-10 2.6264797e-09 1.6397357e-07
 8.7544095e-12]


0.99995077


0


[4.85983946e-08 2.51967697e-10 8.88756430e-11 4.87802538e-07
 1.39738142e-13 2.00579120e-06 3.63115753e-11 2.12232510e-12
 3.77409465e-10 1.30141091e-12 5.92418961e-11 4.22251036e-12
 2.97361469e-10 2.68327991e-08 3.82681470e-10 1.84340349e-10
 1.07575650e-10 2.49114722e-11 4.45780392e-11 2.32624142e-08
 4.86238494e-10 6.29832464e-10 1.43480232e-08 1.10550424e-09
 1.74162977e-08 1.95012922e-06 7.10280654e-11 6.64566013e-10
 2.27681838e-08 8.59350369e-09 1.69068606e-10 2.99468694e-09
 4.13331014e-09 8.68103456e-08 4.86846050e-11 1.53723423e-09
 3.30169314e-08 1.31495703e-08 4.24956579e-06 6.32686889e-11
 6.97121868e-06 2.86704536e-12 2.45767295e-10 5.61556362e-07
 2.89223090e-10 1.60776086e-08 7.30913325e-06 9.99931931e-01
 7.12756354e-10 2.13792162e-09 7.82229570e-09 3.81774701e-09
 1.13993929e-06 6.66285126e-12 1.46388138e-10 5.78303302e-13
 1.59447314e-12 2.24683024e-13 3.48434296e-05 3.10463086e-08
 2.61245710e-08 4.95717289e-09 7.54679021e-08 7.12987287e-07
 1.39264753e-10 2.41123299e-09 1.05818891e-08 4.70833476e-11
 1.62960587e-13 1.31764903e-11 1.14714638e-09 1.16513570e-13
 1.40739360e-07 3.80241116e-10 1.05523967e-09 1.90696966e-07
 1.13880926e-10 1.29473897e-11 7.16651084e-06 7.30113817e-11
 3.51336377e-10 1.84184543e-11 1.40005230e-09 6.66797867e-11
 4.24405089e-09 8.56776943e-14]


0.99993193


47


[1.63820495e-08 1.36284044e-07 2.21192337e-14 2.32389112e-08
 1.10616415e-17 8.99507802e-10 1.39217674e-11 4.02678514e-14
 1.21334739e-11 1.59718831e-12 9.39317374e-11 1.49415961e-12
 9.49751122e-09 1.89770599e-09 7.80783271e-10 7.03754383e-13
 3.85627606e-14 6.57746589e-13 6.28542921e-12 3.44021795e-12
 4.39633096e-12 3.26947562e-12 2.14434737e-11 1.27962320e-11
 2.91404789e-10 9.99996781e-01 2.08294645e-13 2.21133387e-13
 2.03962111e-10 2.86620061e-10 2.43647824e-14 2.38543885e-12
 1.75506443e-09 6.09454043e-10 2.11396100e-13 4.97759928e-13
 3.20444227e-11 2.85425589e-12 6.30916333e-08 9.73741704e-13
 9.98959990e-08 4.80504352e-12 9.88834882e-12 8.82773747e-08
 9.72303614e-16 5.15688837e-12 1.50333310e-08 1.01438943e-07
 7.01980452e-14 1.28026702e-12 1.83678316e-11 3.73433021e-11
 2.49151686e-08 4.07418786e-11 6.90937516e-11 2.93782446e-12
 8.90448902e-13 7.71192074e-15 9.07624198e-08 7.12242348e-11
 1.12183285e-08 1.56764923e-09 5.52466766e-08 1.49989106e-07
 6.30833649e-11 1.87289643e-07 3.73048814e-10 2.31249199e-12
 3.90101092e-14 8.14372549e-13 1.84906409e-12 3.29168246e-12
 8.23948643e-09 2.71219202e-12 1.27302520e-12 1.93129017e-06
 3.70014089e-12 1.20232340e-12 7.81026444e-09 3.03995957e-14
 3.91451324e-12 2.41198229e-13 7.33150707e-10 1.22735794e-10
 3.62305492e-08 1.96200128e-17]


0.9999968


25


[1.5358136e-08 5.6881372e-06 1.1638231e-09 1.3871046e-06 1.7073745e-11
 6.9579409e-10 2.1719360e-10 5.7450169e-09 1.8333585e-09 3.6947706e-10
 2.6217808e-09 7.2208626e-09 1.3795361e-06 1.9828892e-09 2.7559450e-11
 1.4874492e-08 2.3218664e-08 1.3369640e-09 2.8070950e-09 4.8703792e-09
 2.3475071e-08 1.1602221e-08 2.9091806e-08 8.8208033e-08 1.5197344e-08
 1.2867724e-07 1.2885924e-07 7.5614688e-09 6.1315909e-04 1.4784835e-05
 1.7348072e-04 1.7018949e-05 8.1425642e-05 2.6463499e-04 5.0901845e-06
 2.7043600e-07 5.0773897e-06 1.3777639e-06 4.5363904e-05 2.1997832e-05
 2.2251650e-03 1.4887862e-04 2.2280494e-05 2.4515383e-03 6.5165858e-07
 8.3478581e-04 9.9261993e-01 3.5117165e-04 3.8358235e-07 7.7440330e-09
 2.3171429e-05 1.4515956e-09 3.9271621e-05 7.9685222e-08 4.0844630e-09
 3.9896844e-10 5.9331522e-09 1.7189803e-08 1.8055764e-06 6.9552677e-08
 3.9948172e-06 5.6880392e-08 1.9430740e-07 4.5375455e-09 7.5251112e-09
 8.8024532e-11 7.2880257e-09 1.8882782e-06 7.1670883e-09 4.3072962e-08
 1.5870125e-08 2.4732552e-08 3.6630720e-08 3.4935965e-07 1.1282038e-08
 1.9624793e-05 8.7375440e-09 4.7817283e-09 2.6381553e-08 6.7054509e-07
 2.4904242e-08 1.0257826e-08 3.7188553e-08 1.1020344e-06 1.2744801e-09
 5.3170407e-10]


0.99261993


46


[9.62209451e-05 8.45143222e-06 1.52976354e-04 8.00072157e-04
 1.38198843e-07 7.36542290e-07 3.18456000e-06 2.21906134e-06
 1.11858908e-05 3.14746330e-07 5.21456059e-07 1.41944965e-05
 8.45509639e-05 5.85135131e-04 5.61002662e-06 1.74819914e-04
 6.09403010e-04 3.55021737e-04 4.60254727e-04 3.18947801e-04
 3.10737727e-04 1.32756471e-03 6.36050099e-05 1.84567034e-04
 6.63977407e-04 3.71119927e-06 9.44251678e-06 1.09779762e-06
 5.18108159e-03 8.56842234e-05 4.62024545e-05 1.03988661e-03
 2.54586199e-03 1.81620265e-03 7.99808113e-05 2.16000512e-06
 2.01517862e-04 1.57582675e-04 3.02947068e-04 2.07385485e-04
 3.11248295e-04 2.66696699e-03 6.32994866e-04 3.03792604e-03
 2.11330553e-04 2.84183468e-03 4.80142944e-02 5.98575803e-04
 3.43645625e-05 8.54164568e-07 1.76107045e-03 3.31315914e-06
 2.03986856e-04 4.80599818e-04 4.67981044e-05 1.59547585e-06
 1.22123474e-05 4.97101682e-05 9.57593843e-02 9.48700326e-05
 3.58415730e-02 6.61168946e-04 1.01851476e-02 1.26268889e-04
 3.09104007e-03 7.56645110e-03 9.95649844e-02 1.26006169e-04
 1.10161991e-03 1.41938284e-01 9.44893584e-02 1.29161908e-05
 3.38617802e-01 3.26756835e-02 5.62439382e-04 1.82263702e-02
 3.14144650e-04 1.55745475e-02 1.21470001e-02 5.06198383e-04
 2.91271252e-03 3.84493214e-05 8.93493649e-03 6.14498058e-05
 2.83663121e-06 4.15197028e-05]


0.3386178


72


[4.4621343e-06 1.1764306e-04 1.2115441e-07 5.2759063e-08 4.0198803e-12
 1.5538716e-12 1.2018206e-08 1.1222999e-04 6.1590363e-08 3.2068666e-08
 6.7013950e-10 1.2583693e-05 3.1715364e-05 1.2804341e-07 3.3780762e-07
 4.5543829e-06 1.9131843e-08 6.1436431e-08 1.5042242e-06 9.6071908e-08
 4.5096522e-07 1.7231655e-07 1.2737806e-07 4.0827836e-06 8.4157921e-07
 3.1446049e-07 5.6421960e-09 7.0688317e-09 2.5935176e-06 3.6404604e-06
 1.3951019e-08 1.9522456e-06 1.6263742e-07 4.8618670e-08 1.9560409e-07
 2.3325388e-09 1.6424588e-08 2.9850302e-09 5.4933096e-08 5.7014745e-07
 1.0648713e-09 2.6120768e-08 4.5491657e-08 5.1129035e-07 4.8277130e-08
 1.9297157e-07 3.5485168e-06 2.1627564e-07 1.5933438e-09 1.2488991e-09
 3.8734780e-07 7.2958883e-10 1.4105107e-08 2.2007599e-08 1.4685354e-08
 4.3215769e-09 4.8594838e-08 1.0010168e-08 3.2946413e-05 1.1521485e-05
 2.2908787e-06 1.1146596e-02 2.0774683e-05 1.2860951e-04 5.0222810e-05
 9.0645369e-07 6.0390028e-07 3.6839494e-06 4.9038586e-05 9.4730836e-01
 1.3009190e-04 1.5499390e-03 6.0705719e-05 5.1484170e-04 1.5897089e-05
 3.0352686e-02 3.6400805e-05 7.4083282e-04 2.1592839e-05 7.0698652e-03
 4.7767412e-06 2.1409964e-04 2.9321775e-06 2.2307216e-04 7.6653629e-07
 4.7514570e-10]


0.94730836


69


[1.4724845e-05 4.8195961e-04 1.4080586e-06 5.1638563e-06 2.8814217e-12
 3.0734268e-10 8.5538856e-09 1.2032857e-04 7.1852492e-07 1.4452631e-07
 2.6803303e-08 2.0994362e-04 5.9462306e-03 9.2336004e-06 2.5392896e-07
 4.1406734e-06 5.0976684e-08 5.3286414e-07 1.0779158e-06 4.1879863e-07
 6.0016288e-07 2.4497879e-07 4.4013477e-06 8.7855358e-07 9.7014890e-07
 1.2517788e-06 1.1201745e-06 2.1705063e-08 3.4400014e-06 2.9228915e-05
 1.0458460e-07 6.7666879e-05 4.7252676e-08 9.5716143e-07 1.4932625e-05
 5.8123224e-08 2.9466219e-07 4.9820606e-08 1.0409468e-06 6.2070017e-06
 5.5511970e-07 4.1575575e-08 7.9186447e-07 8.8210363e-06 8.1765412e-09
 4.6866649e-07 3.4402652e-05 2.7137571e-06 7.7345639e-08 4.3430379e-07
 6.3625976e-07 6.8147203e-09 1.6802409e-06 7.1610970e-08 8.2217923e-07
 5.1241351e-08 5.8900218e-07 9.2106880e-08 1.5980392e-03 3.6457973e-03
 6.2824474e-05 9.1519862e-01 8.6198626e-03 1.5155521e-02 4.8126356e-05
 5.7329339e-06 2.5804809e-05 8.8236355e-08 1.9661026e-04 4.5446209e-03
 2.9796450e-03 5.8532885e-04 1.8726353e-03 2.7306133e-04 5.4242410e-06
 4.6673545e-04 6.2940124e-04 4.1514887e-03 4.3926339e-06 3.2313604e-02
 6.2028362e-06 2.8703443e-04 3.3144650e-05 2.9042401e-04 1.7742541e-05
 1.8896780e-09]


0.9151986


61


[1.5726757e-04 2.5990426e-03 4.7479256e-07 6.8538100e-07 1.5034691e-12
 8.8153843e-07 6.4798233e-09 2.0287364e-06 6.2120873e-09 1.2646472e-06
 8.8468866e-08 5.4282413e-05 6.1659091e-05 5.9049344e-05 1.8046924e-07
 4.8919838e-07 6.8443708e-09 6.9003683e-09 6.3036616e-08 1.7133029e-08
 9.2969792e-09 3.0840365e-08 3.2694611e-06 9.8764055e-09 5.3195799e-07
 3.7789593e-07 7.0026152e-10 1.4218925e-09 2.0421632e-08 1.7239138e-08
 4.0357398e-10 6.2991878e-09 1.2149380e-10 3.8463458e-08 3.2407677e-10
 3.3444747e-11 6.4641007e-08 2.4830593e-09 3.9288867e-08 4.0186030e-10
 4.5212610e-07 7.0686113e-10 2.9535032e-08 7.1274263e-07 1.9305867e-10
 1.7989050e-09 2.6416976e-06 9.3567797e-07 1.1710728e-08 2.1966804e-07
 5.8027347e-11 5.1948773e-10 3.3689143e-06 4.0795481e-08 4.4081526e-07
 1.3174268e-07 3.1212275e-09 3.3571407e-08 1.6853886e-04 2.8842658e-06
 3.0917417e-05 2.9644891e-06 5.1269383e-04 2.7593065e-05 5.9653957e-09
 3.3263111e-04 6.4937818e-01 2.1416327e-10 2.0964857e-08 6.5658234e-05
 2.9530716e-03 3.6015641e-07 1.0878507e-02 1.9069798e-06 1.1920534e-07
 7.5964526e-05 1.1605083e-05 7.5602115e-06 2.0457229e-04 8.8656412e-07
 1.0072662e-06 2.2710255e-07 3.3238968e-01 1.6597564e-09 1.5325483e-06
 1.9074506e-10]


0.6493782


66


[1.8889853e-06 1.2550614e-04 8.5427984e-11 3.0803637e-08 1.8148164e-14
 9.2999204e-07 1.1433386e-09 1.4996839e-08 7.1829467e-09 3.3681915e-09
 3.0284367e-10 1.0420448e-09 7.1413638e-07 2.4644166e-07 5.1564597e-10
 4.3363122e-11 1.6766408e-12 1.3092520e-10 1.8328607e-10 3.9952777e-11
 1.9545438e-11 1.7904152e-11 1.1652526e-10 5.2276090e-11 3.2804299e-09
 1.9880142e-07 7.6893589e-11 1.2950498e-11 1.2580145e-07 2.8442815e-09
 6.6892653e-10 2.0139942e-10 2.2069588e-10 1.1552867e-11 1.3794939e-11
 2.8564404e-11 4.2571655e-10 3.7435430e-11 8.5810363e-09 3.2565233e-12
 2.6436078e-07 2.6990757e-10 2.0645745e-08 2.2176081e-07 1.3906205e-12
 9.5264317e-12 2.9355109e-08 4.5642263e-09 2.3596949e-11 1.5511199e-10
 2.7921647e-12 3.0576937e-11 3.2468424e-08 1.9756816e-09 5.1948307e-10
 1.3020456e-09 9.7276034e-11 2.7198119e-08 5.1633571e-03 8.4439771e-06
 2.8444597e-04 2.3208240e-09 9.7983402e-01 6.3098005e-06 5.4108779e-07
 2.9291057e-05 1.4543562e-04 2.4320251e-10 2.1168555e-11 5.1949301e-06
 1.3171775e-07 1.5613405e-07 1.3891124e-02 5.9609214e-08 5.9688703e-09
 6.2479448e-06 1.1156244e-06 1.6919099e-08 2.4280626e-04 1.6663287e-10
 1.2937919e-07 1.4501376e-06 2.4952024e-04 3.1260655e-10 2.1206361e-09
 6.7723839e-12]


0.979834


62


[3.44794131e-08 2.86727914e-06 4.08469682e-11 5.37109463e-12
 7.78264261e-17 7.23215111e-15 4.42411841e-13 1.13131209e-05
 9.87074866e-11 1.36823752e-09 1.29319190e-13 3.13986992e-09
 8.61206502e-07 1.74268185e-12 1.40020738e-11 2.09576023e-10
 9.31350830e-12 1.58295585e-10 2.10794340e-10 1.24969366e-11
 8.97236244e-11 6.80408941e-12 1.48029581e-12 6.79323958e-11
 7.00225294e-11 9.38382594e-10 3.53592589e-12 4.63923171e-13
 1.12970380e-08 3.46517641e-11 3.77487863e-09 2.10437334e-09
 3.82279763e-11 3.28279764e-11 1.47375584e-10 9.66501601e-11
 5.70807313e-09 3.47836538e-12 5.35340605e-10 2.18469887e-09
 2.19131241e-10 3.82928889e-09 7.55692800e-11 1.91109351e-09
 2.34686489e-12 9.68405842e-11 5.14085619e-09 8.52151294e-10
 3.56789576e-12 2.38616644e-11 3.44714084e-11 1.54256165e-12
 2.78940131e-12 5.59050410e-11 4.24882829e-12 2.67636850e-11
 8.84013626e-11 3.06188894e-11 4.96416908e-10 5.55793861e-07
 1.31231790e-08 4.86419708e-07 1.63544944e-09 1.13280073e-07
 9.20717547e-09 2.94331781e-09 3.05405562e-11 2.47090265e-10
 5.93751437e-10 5.46397023e-05 1.80482438e-08 1.41791999e-03
 6.36671302e-08 8.79273273e-07 5.63918079e-10 9.98503804e-01
 1.00643956e-06 3.63505887e-06 1.00393514e-07 7.12893922e-08
 9.02951626e-07 3.50491007e-07 8.02655791e-08 1.67347508e-07
 1.42091339e-10 5.47883516e-13]


0.9985038


75


[5.14566068e-07 1.25264196e-05 4.77759499e-10 6.02060415e-11
 1.14444426e-14 3.21937149e-15 5.48129727e-12 1.93561587e-04
 1.57126678e-07 1.55548872e-08 9.83916047e-14 3.72785802e-09
 2.37352879e-07 1.51259983e-12 2.97509899e-11 8.54777582e-10
 7.92897192e-10 6.53057773e-12 3.98996895e-12 3.01517943e-11
 7.39609624e-11 1.05835479e-11 8.73438405e-11 1.13243948e-09
 1.23315830e-10 4.23187541e-10 1.06596260e-10 1.83059939e-11
 7.55833184e-07 2.94302911e-08 3.99801962e-07 1.15953007e-07
 3.53521856e-09 5.71739704e-11 8.47402475e-07 1.51469894e-08
 4.73391310e-07 2.29859931e-09 6.98110370e-08 1.77868547e-08
 2.13816715e-08 2.98853706e-08 8.42218725e-11 1.47266432e-09
 5.20215425e-12 2.00981418e-08 3.55503738e-09 2.02503927e-07
 7.96407496e-10 9.48428558e-11 1.06827325e-09 2.88372706e-13
 7.23302529e-11 7.74465561e-12 7.24345250e-10 5.59158414e-11
 1.51178427e-11 1.11776081e-10 6.08131723e-09 1.31206512e-09
 3.86127752e-08 7.92786886e-06 8.08099809e-09 1.63178937e-09
 2.49567747e-05 1.86810112e-07 1.47479060e-11 3.76266414e-11
 2.92600163e-07 1.53705617e-08 5.03313657e-08 6.11746009e-06
 3.31987171e-09 9.11032174e-08 2.84293422e-11 6.76941596e-08
 9.99744952e-01 5.08217499e-06 1.18563423e-10 9.30999775e-08
 5.88205173e-09 2.21803909e-08 5.12416498e-10 2.75707919e-08
 7.79244835e-10 1.11761149e-10]


0.99974495


76


[7.03727477e-04 9.99278009e-01 7.46240292e-10 1.69766163e-11
 1.34717594e-15 1.13049244e-10 4.20104784e-11 4.84021484e-06
 1.16363208e-09 4.39300996e-09 1.19690160e-14 3.21546509e-06
 3.60139185e-09 9.02316763e-11 1.97498129e-09 1.26566946e-09
 1.13538040e-10 3.81523910e-11 4.73501238e-10 7.75718170e-11
 4.01065422e-12 3.72334021e-12 8.96193189e-12 4.96679295e-11
 4.47679271e-09 2.13225174e-10 3.45016340e-14 5.57450841e-13
 6.89545920e-11 3.09487717e-07 9.99160477e-11 3.56242280e-09
 1.07539799e-09 2.53125927e-12 1.18354881e-10 5.71343797e-12
 2.38192470e-08 5.11868770e-09 1.12683855e-11 2.54322691e-12
 2.19946372e-09 3.54449716e-12 8.92406912e-11 2.80459406e-10
 7.76971125e-14 5.18409066e-11 1.00999721e-11 5.32645983e-10
 8.21431681e-13 9.12744923e-13 6.81292869e-11 2.75276623e-15
 9.29936683e-12 1.80717649e-10 3.12336657e-10 1.18364138e-10
 1.23120904e-12 4.60231991e-11 3.31969012e-08 9.17292145e-11
 5.59424859e-12 1.12078868e-09 3.32205923e-06 1.63648900e-10
 2.23831759e-10 5.12552970e-06 3.02773279e-10 2.56199802e-14
 3.54672726e-13 5.51180577e-08 2.87832727e-08 4.24511787e-10
 9.99365923e-08 1.27160336e-08 5.02185750e-13 8.06396616e-10
 8.42332895e-07 1.41997836e-08 2.68999517e-10 1.51322205e-10
 1.73706553e-11 1.18101579e-11 1.82160505e-07 1.60990336e-11
 1.56078794e-08 1.26261865e-14]


0.999278


1


[1.22365225e-06 1.95554250e-07 5.52372548e-08 1.11289644e-07
 3.16737296e-11 3.13504916e-11 2.88252928e-11 1.96407456e-07
 1.80482002e-05 1.77068707e-10 3.48206056e-13 2.41020093e-09
 5.48674620e-07 2.53604256e-11 7.43744094e-11 1.34416371e-08
 6.69164592e-07 7.13491062e-08 5.81540460e-09 1.89229450e-08
 2.45706559e-07 1.49064239e-09 5.28999408e-07 5.91777109e-07
 5.54540547e-09 3.73576656e-11 2.60990873e-09 3.02833421e-08
 1.53831637e-03 3.00395978e-03 1.88697258e-03 9.28677380e-01
 5.26917538e-05 5.41854687e-02 1.00023905e-03 2.08995640e-04
 1.62184748e-04 7.66910333e-03 4.77023514e-06 7.14307753e-05
 8.93634351e-05 3.05608353e-07 1.16749459e-06 6.03016888e-05
 2.18440728e-05 1.46935563e-05 2.00364539e-05 6.52414514e-04
 5.81791767e-07 4.26504920e-09 6.11574098e-04 1.22702564e-12
 1.20555171e-07 2.99429481e-10 2.71655298e-09 1.30028224e-10
 1.29646665e-07 5.03623005e-06 3.55081029e-05 2.51363048e-07
 3.17855722e-07 3.07905964e-07 1.91594474e-08 4.67082408e-08
 1.43389911e-07 1.88703240e-08 5.62324365e-09 3.52959523e-10
 4.36980313e-11 6.71631772e-09 1.73680604e-07 7.33456407e-10
 1.59720926e-07 7.72097764e-08 3.33153438e-09 1.62574898e-09
 3.92221580e-08 9.01322721e-07 1.50985413e-09 1.63766714e-07
 8.25906898e-09 4.98470287e-09 7.48787532e-10 1.14570504e-08
 2.79869681e-07 1.33869866e-08]


0.9286774


33


[1.37056247e-07 3.68366671e-07 4.13329069e-08 9.69981713e-08
 4.01288724e-10 4.81292588e-08 8.66941985e-09 7.07211980e-12
 5.96976335e-09 3.07415616e-12 5.44726382e-11 5.06422111e-07
 2.86321633e-08 8.05742406e-09 6.45756515e-08 1.42225591e-08
 8.13720133e-11 3.81890519e-10 1.04622639e-08 2.52076116e-09
 7.30785032e-09 8.24231239e-11 5.15412125e-07 4.96261521e-09
 3.59578785e-08 6.05950401e-10 1.23804978e-13 3.48911594e-11
 3.21983329e-08 4.23497468e-08 6.73445513e-08 4.11746953e-07
 7.78532616e-09 4.36969742e-07 3.65674546e-10 6.56915466e-10
 9.61528670e-08 2.65759286e-06 1.28453781e-09 2.10080564e-10
 1.54823141e-07 1.61640021e-10 1.55569069e-09 1.01019623e-07
 3.92810549e-08 5.71167380e-09 1.45852562e-06 1.07882488e-06
 6.73953393e-11 1.36145692e-10 2.76003811e-06 7.05713613e-12
 1.78633357e-07 4.53007587e-09 2.16529505e-09 1.06737313e-10
 6.17420394e-12 1.07360942e-09 9.88188684e-01 5.99898655e-08
 5.53021891e-07 5.17255172e-09 8.74785520e-03 1.29945101e-06
 1.86099136e-09 3.53342803e-05 1.44156918e-04 6.17819240e-10
 1.03389788e-11 6.95361014e-05 4.05860646e-06 3.15353539e-08
 1.18665490e-03 3.30158031e-07 6.41343490e-07 7.99088448e-04
 5.81517128e-08 3.64269237e-09 6.70802139e-04 2.64949222e-06
 2.13368421e-05 3.15454010e-08 1.15289135e-04 2.78920498e-10
 1.42342760e-09 4.93777130e-10]


0.9881887


58


[1.5623947e-07 1.6508931e-05 9.3184404e-08 1.7943323e-09 3.7588961e-13
 4.9737721e-11 7.5038825e-10 6.7387973e-08 1.8957152e-07 2.3643675e-08
 2.4934703e-09 2.6396598e-05 5.0692438e-06 8.0168467e-09 2.7708664e-08
 7.7183034e-07 1.2494659e-08 5.6304489e-10 1.1108104e-08 3.6148526e-10
 2.5925628e-08 1.5702023e-09 8.5500702e-08 4.6753019e-09 9.2327737e-09
 1.9483350e-09 4.3734294e-10 1.3409322e-10 2.1575362e-07 4.2405408e-09
 6.0796644e-08 2.9789760e-09 9.2489172e-09 1.5948116e-08 2.2462166e-07
 2.9180105e-09 5.0465894e-07 5.2951769e-08 1.3144510e-08 5.0300098e-08
 1.1454441e-08 3.3235477e-09 1.9281511e-08 1.5739521e-07 1.4028367e-07
 4.1493649e-08 3.4671638e-07 8.5011727e-08 9.2629832e-10 1.3708334e-08
 2.8307113e-08 1.5251076e-11 3.0512028e-09 6.7710648e-10 3.9051298e-10
 7.2895745e-08 1.7611622e-08 2.6256963e-08 1.4467508e-07 5.0518311e-06
 1.6294989e-04 3.1310074e-07 9.9377462e-07 1.5232945e-06 3.1684145e-08
 5.1287068e-09 1.3799779e-05 2.4694191e-06 4.4150052e-06 2.7960830e-05
 3.5262440e-04 9.8625654e-01 4.3120258e-07 3.6354042e-05 4.5340148e-06
 8.9268656e-03 2.4718023e-05 3.5296285e-05 4.0391937e-05 1.9827201e-03
 1.0533024e-04 1.6961301e-05 1.9437255e-03 2.3579207e-06 1.4327080e-08
 1.9992730e-09]


0.98625654


71


[2.12527584e-06 3.04269488e-03 1.21584565e-09 7.41082113e-06
 2.13747357e-12 8.04172284e-10 3.71869624e-09 1.18326143e-05
 3.06379070e-06 8.09719404e-06 7.91466226e-10 1.51513586e-05
 2.76476215e-03 1.88123606e-09 1.37748529e-07 8.39278425e-09
 1.27646551e-08 1.82490652e-07 1.25378836e-08 2.56837906e-09
 1.17369370e-09 1.64068359e-09 5.69196290e-09 1.40844394e-08
 3.81819945e-08 1.70265139e-06 4.93082734e-06 3.32114253e-10
 4.44290898e-04 3.57194878e-08 3.53231471e-08 4.29891500e-08
 2.06872429e-07 4.32277005e-07 6.87592490e-08 1.36586775e-09
 2.04234482e-07 9.88719790e-08 8.37665652e-07 4.46217392e-08
 7.46095665e-08 3.71083324e-08 3.75453233e-08 3.61693355e-06
 7.69081410e-10 2.52595367e-08 1.84418113e-07 6.67674612e-07
 8.32277092e-09 8.45921093e-08 7.96060018e-09 2.72743785e-12
 5.13505594e-09 1.05978494e-07 7.60918851e-07 9.01505587e-07
 1.17776735e-05 2.54557085e-06 6.49011599e-06 2.28182603e-06
 9.87912714e-01 1.59152728e-06 3.35349515e-03 3.47497931e-04
 1.39533135e-04 1.17452582e-05 1.07408583e-03 1.90264537e-09
 6.98558215e-05 1.71773863e-05 1.58852117e-07 8.25957031e-05
 2.49846426e-06 1.93473043e-05 1.12167804e-07 3.44686996e-05
 1.42397312e-06 1.89100683e-05 1.45827821e-08 3.22023141e-07
 3.83445240e-06 8.24865651e-08 4.92543273e-04 7.56610534e-05
 2.07459311e-06 4.61129246e-10]


0.9879127


60


[4.06753126e-04 2.32379944e-06 1.46225332e-07 1.29669104e-07
 1.16759232e-11 1.13295505e-06 4.57419352e-10 2.80804837e-08
 5.26550981e-09 1.36735878e-07 1.26802013e-09 8.77470399e-08
 2.93281869e-06 4.02589713e-08 3.76492295e-08 1.16599619e-08
 5.39036815e-09 4.82222484e-10 2.78269452e-09 3.35801120e-09
 2.97167579e-09 1.55689450e-09 3.27399299e-08 1.61768865e-09
 6.45220100e-09 1.43909573e-09 4.40300262e-11 1.22459944e-08
 5.10526235e-08 3.17804005e-09 2.69477895e-11 4.19078591e-11
 3.02931430e-10 1.86835170e-09 8.45723325e-10 3.72104930e-10
 1.17605282e-06 2.50102890e-08 8.89361189e-08 2.21315211e-09
 3.86428439e-07 2.37301179e-09 1.47638696e-06 1.27436488e-06
 5.68515155e-08 6.98024616e-09 2.71786682e-08 1.97556028e-06
 7.01976255e-10 1.91082172e-08 1.24911930e-08 1.52687520e-12
 2.69602189e-08 2.16006359e-08 3.43864279e-08 8.75425421e-09
 6.26482644e-09 8.25200175e-09 3.28327656e-06 1.97673398e-08
 1.36149936e-07 5.83476449e-08 4.25087965e-05 2.63276121e-07
 1.22875008e-08 8.88058930e-05 5.94096398e-03 8.27683685e-11
 2.36518440e-06 6.61076992e-05 2.99058638e-06 5.82199107e-08
 2.18230212e-04 2.14701004e-06 1.09455220e-06 3.62169271e-06
 2.41122621e-06 1.03013292e-06 1.02072940e-04 1.54872968e-08
 4.53537405e-06 2.01902317e-08 9.93096650e-01 4.30149001e-08
 1.00706865e-08 3.24743926e-10]


0.99309665


82


[9.99947548e-01 4.24530808e-05 2.92510266e-10 4.24764640e-10
 2.05751706e-14 5.41318761e-11 8.73997394e-14 8.55061717e-06
 9.21465215e-09 5.19151342e-07 3.96745828e-14 8.84864377e-08
 2.83040897e-08 1.20461920e-12 4.74846273e-10 3.85507209e-10
 2.59178161e-12 1.62384158e-13 6.01688133e-13 1.45616939e-12
 8.20045420e-12 6.60608341e-13 1.91172425e-11 2.48261463e-11
 3.48648584e-12 3.48946982e-10 1.36412485e-12 2.49832845e-11
 7.82792053e-10 7.69219799e-10 3.69313538e-11 7.37144026e-11
 2.09262288e-10 2.91108804e-10 1.17528001e-10 1.15544671e-10
 4.69579209e-10 3.57653386e-11 2.06265005e-09 2.93304582e-11
 2.63699218e-09 1.73749925e-12 3.69497599e-10 1.23573670e-07
 1.21177222e-12 1.43930414e-11 1.35086109e-11 3.92770616e-09
 6.28985050e-14 2.00748142e-12 1.74659436e-11 3.32383564e-15
 9.77669751e-11 3.19699101e-10 1.03849827e-08 3.05608205e-10
 1.32595159e-11 1.22625321e-11 1.44991838e-10 6.01870387e-10
 8.41082412e-11 1.94252880e-08 5.38382627e-09 6.41658726e-10
 3.95971755e-10 4.84406439e-11 5.25231837e-11 7.22335264e-14
 3.56749623e-13 6.07617157e-09 9.36961619e-10 8.02526046e-09
 9.27381574e-11 5.81817439e-09 7.57400306e-12 9.53194146e-09
 6.49658771e-09 5.06416491e-08 2.72927271e-11 2.14823537e-09
 6.09876039e-11 3.21020467e-12 4.37953602e-08 1.30276678e-09
 5.04098068e-07 6.03277956e-15]


0.99994755


0


[1.21131947e-07 5.53289992e-09 1.15170954e-11 1.28677763e-10
 9.30309415e-15 9.99996662e-01 4.56088509e-13 1.53688148e-14
 8.13778211e-12 1.03463050e-12 2.31474326e-15 1.83444770e-11
 3.40322326e-10 3.23236646e-11 4.89129570e-13 1.65623862e-12
 3.55296901e-13 1.05879032e-12 8.44881755e-14 7.42967233e-12
 3.85949519e-12 1.37955923e-12 4.16264598e-13 2.44168021e-13
 1.65249303e-12 9.13470688e-10 7.85094986e-16 1.93159529e-12
 7.26815852e-09 5.02319020e-12 6.84219868e-12 4.97762747e-13
 3.91479835e-11 2.39589210e-10 1.90538733e-13 7.70790116e-12
 1.25383093e-09 1.90288896e-09 1.38547862e-09 2.45528912e-13
 2.59213175e-06 5.18759133e-11 2.28319781e-08 7.76603102e-08
 1.96409642e-11 2.00326908e-12 2.18418883e-08 7.83336205e-08
 1.05285366e-12 2.03473557e-11 9.34843175e-12 2.27101909e-12
 1.04832360e-07 9.93625668e-12 3.89604017e-12 6.71828478e-12
 6.52213384e-17 2.75200073e-14 8.15884915e-10 5.70444299e-12
 3.32111916e-09 1.23116835e-13 4.91827912e-08 3.79921372e-10
 3.32555121e-12 1.18577426e-10 1.29215287e-08 7.12575412e-14
 4.73579244e-16 4.17667151e-11 4.14065171e-11 1.94874177e-14
 7.92987223e-08 5.80106449e-12 2.23312970e-12 1.94805352e-11
 4.49982038e-13 3.44231615e-13 1.54941063e-07 6.74477513e-15
 2.53823160e-11 6.54325552e-13 2.39496689e-08 7.28930631e-12
 4.67422490e-11 1.06298447e-13]


0.99999666


5


[3.53187545e-07 9.99999404e-01 3.71850066e-13 6.52310150e-12
 9.98830736e-20 4.77327760e-08 5.05204399e-14 3.93456231e-12
 7.10801166e-12 4.79566213e-12 1.54865138e-16 1.57079749e-11
 4.42727366e-09 1.45051495e-12 7.43366219e-12 2.01839921e-14
 2.28042805e-15 5.94803423e-16 1.85793945e-15 2.99799900e-16
 3.91219785e-14 1.85458221e-16 6.86209893e-15 1.40858137e-13
 3.06667642e-13 1.90583805e-07 1.62613848e-17 5.60685677e-16
 3.68664786e-11 1.02590506e-11 1.21502768e-14 1.68112052e-14
 1.00105779e-09 1.66136060e-14 8.79444875e-16 1.40715212e-14
 3.64757530e-12 2.27419165e-14 2.81468425e-12 1.41619766e-16
 2.06244199e-09 5.65415881e-10 2.58610980e-11 6.71695255e-10
 2.19586715e-18 1.44554761e-14 3.07162074e-11 1.41964400e-11
 3.07021862e-16 4.28086174e-15 2.91820604e-13 1.34041676e-13
 3.02418403e-11 1.46318246e-09 9.52802628e-11 2.11839964e-12
 1.45609317e-18 3.06870952e-15 1.73191669e-10 1.87240739e-12
 3.43306286e-12 1.01802171e-12 1.99789447e-08 3.62122637e-12
 7.91280127e-13 3.42409885e-11 5.87146325e-13 4.91036621e-14
 3.15098407e-17 3.47458951e-09 5.05831325e-13 9.66302992e-13
 3.61495367e-08 3.31492754e-12 1.06076043e-15 8.16359247e-09
 1.26320438e-11 2.14939571e-13 4.35413337e-12 8.88773969e-15
 5.15355553e-13 1.41082198e-12 2.59967048e-11 1.86189779e-12
 4.10341455e-10 7.00346217e-19]


0.9999994


1


[9.29910760e-10 1.91638969e-06 3.32403827e-10 3.18907422e-12
 2.41013040e-15 8.19126433e-10 2.57084024e-12 4.20672497e-10
 3.05705322e-10 1.42253188e-11 1.50585978e-13 4.04333511e-12
 3.54475826e-09 1.94190330e-10 1.03722456e-12 1.35154821e-11
 2.24757968e-09 3.40231371e-10 1.98228722e-09 5.33511776e-11
 3.83123672e-11 1.30501898e-09 7.95284671e-12 4.52781507e-10
 2.49719412e-10 4.01284506e-10 3.02963187e-14 2.20800583e-11
 2.86453968e-07 1.20792643e-09 2.34443853e-10 2.45705944e-09
 2.65123390e-08 1.05453264e-10 2.01653668e-12 3.01269809e-09
 7.26211979e-08 4.39142278e-10 4.46928994e-10 2.04148543e-09
 5.82819439e-07 9.99962091e-01 2.10960138e-06 1.14347873e-08
 9.10963579e-13 1.12453176e-08 3.29631185e-08 6.79273384e-08
 5.56581864e-12 8.97975704e-12 2.40419329e-08 4.30672728e-12
 4.72901544e-11 2.11546322e-07 2.15769260e-11 3.40561676e-11
 1.42676175e-16 8.24893626e-12 3.79108411e-10 9.32973004e-11
 1.56486060e-10 6.22047830e-11 1.05776632e-09 1.18915558e-10
 7.40052603e-11 3.13374543e-12 7.90979782e-11 1.73764891e-10
 2.25276828e-13 9.86010036e-07 2.78646939e-10 4.77192952e-10
 3.15839534e-05 5.22212995e-10 5.62488641e-13 8.45139958e-09
 3.74051658e-11 9.28929111e-09 6.15983653e-12 5.64692607e-12
 3.45342782e-10 3.63616165e-10 2.28086525e-11 1.10806399e-10
 9.71334541e-11 7.62895769e-13]


0.9999621


41


[1.7402405e-10 1.2990322e-09 7.7694838e-12 4.8691368e-12 3.2859182e-16
 5.8937527e-10 1.2776619e-12 1.8706267e-14 6.0917230e-12 8.8562686e-13
 9.4263247e-15 3.7399334e-15 6.6577750e-11 8.3835205e-10 4.8157106e-14
 1.4726541e-12 4.3443504e-12 2.2295498e-13 6.0335780e-13 6.9723551e-14
 5.7896755e-14 4.2548316e-13 1.0355292e-12 1.3908943e-12 4.3520886e-12
 4.1322254e-12 2.1270250e-17 9.3464775e-15 4.1037826e-09 2.8531190e-12
 3.0507601e-13 1.2853897e-10 5.7390620e-12 3.1313737e-13 6.8560742e-16
 3.7578775e-13 1.5538200e-08 1.0012906e-12 2.1361754e-11 3.3440586e-14
 1.4850257e-08 9.8179498e-07 1.5511481e-09 1.8063679e-09 2.2688146e-17
 3.7463952e-11 3.2525788e-11 1.4554300e-09 1.9779547e-14 9.5125547e-14
 2.1313595e-12 4.4728842e-13 2.4520711e-12 1.0168125e-08 3.3011332e-12
 5.5957089e-13 1.0849819e-18 1.4663142e-12 8.3893198e-08 2.6614761e-11
 2.0659668e-11 1.8995641e-13 2.3299764e-08 1.1719803e-10 6.8624334e-12
 1.2059312e-09 7.0223685e-09 5.4998997e-15 3.3413216e-15 3.2260349e-08
 9.8626836e-11 1.3223031e-13 9.9999893e-01 5.9584712e-11 5.8451541e-14
 1.4534021e-09 2.0718674e-10 1.9024188e-08 3.9632513e-11 2.7086318e-15
 1.3606309e-10 1.6147464e-12 1.4393093e-11 1.2196151e-14 3.3505341e-13
 2.7539655e-14]


0.9999989


72


[7.29206539e-12 1.14530848e-13 1.09738575e-12 1.59630762e-14
 8.37157403e-17 1.52350378e-14 1.31278953e-13 1.22602525e-10
 7.49362655e-11 1.92134260e-11 2.05887494e-15 6.21485488e-14
 1.09030319e-11 7.94635191e-12 2.26459967e-14 9.76003913e-12
 1.33261568e-10 1.71214657e-11 3.89193781e-11 5.77443963e-13
 2.18879016e-12 1.29148914e-11 1.61767876e-12 6.92925144e-12
 4.05632576e-11 3.16480186e-13 3.93836227e-15 1.18247993e-14
 5.02606567e-10 7.23308219e-12 9.54294911e-13 4.21056878e-09
 3.92490592e-13 9.59167207e-13 2.78880911e-12 1.44901140e-11
 2.50529638e-07 8.55618961e-12 5.21470783e-11 5.61014429e-11
 1.54785063e-09 4.93086034e-08 2.09748677e-10 8.31464689e-11
 6.84925791e-15 4.94273615e-11 1.98693943e-11 2.31366615e-09
 3.95581002e-13 9.55229168e-13 4.93621333e-12 1.45608504e-14
 4.40396688e-14 5.08300737e-12 9.13394167e-15 3.37362584e-14
 2.32435857e-15 1.30085706e-10 1.28106539e-10 4.24758312e-10
 1.97560901e-08 1.25954094e-10 2.35732232e-11 1.75581799e-10
 1.12195416e-07 1.16980106e-10 2.30145258e-09 2.71039295e-13
 1.29093255e-11 1.94059275e-08 1.23077026e-09 1.15057333e-07
 4.10325462e-08 4.79121222e-11 2.37876602e-12 2.84913704e-10
 5.32941025e-10 9.99999404e-01 4.14682837e-11 6.59999941e-14
 6.98863323e-09 8.94196522e-11 1.21109164e-11 5.69799633e-13
 4.13926136e-13 3.24136144e-13]


0.9999994


77


[2.64267663e-10 2.70293851e-13 1.09859214e-12 9.19417588e-15
 2.44643841e-16 2.51448613e-16 2.84162465e-15 2.40262914e-11
 4.19387572e-12 1.86107536e-11 3.00854075e-15 1.12410346e-13
 2.56089112e-14 7.90666664e-12 2.79590499e-15 6.91532335e-12
 4.99022601e-10 8.64373417e-12 1.11737692e-12 8.90634788e-13
 1.24894141e-13 4.87343239e-12 6.69343964e-12 9.44812544e-12
 9.61540292e-11 3.62397287e-14 1.50529586e-13 5.70618144e-15
 4.24707353e-10 1.16435625e-10 1.77483711e-12 6.08274653e-10
 2.66114374e-14 6.31186466e-12 1.29652247e-10 1.02597358e-11
 4.20306137e-08 7.20342752e-12 1.16152548e-11 3.71578254e-11
 7.83247966e-10 2.40393233e-10 3.53219190e-11 9.49920698e-12
 1.71292064e-15 1.08467543e-12 5.82409728e-12 1.75362782e-08
 2.49483675e-13 1.15075199e-13 1.04236834e-12 1.04372946e-15
 7.88978461e-14 3.98033614e-15 5.69839340e-15 2.15235453e-16
 6.79046324e-15 6.46502851e-10 4.53938998e-10 1.56284610e-10
 2.63948280e-10 9.65058797e-11 6.24800212e-11 2.77109568e-11
 4.25461991e-07 1.30642590e-08 1.91216927e-08 2.11662641e-16
 3.35432290e-12 4.28207990e-11 4.01547062e-09 5.00993913e-10
 7.79886822e-09 4.74513970e-11 2.22154529e-13 4.13604209e-13
 2.16401775e-11 9.99999523e-01 2.91512604e-12 5.47079692e-15
 1.44888795e-10 5.35135413e-13 5.49986705e-13 1.60373502e-15
 1.80228977e-14 2.72642372e-14]


0.9999995


77


[1.87217191e-12 5.79792358e-14 4.69030476e-15 1.10178022e-15
 6.52309203e-19 2.32652309e-12 2.94272595e-14 2.10374612e-17
 1.40546655e-16 1.12900649e-14 5.41959208e-16 7.79852514e-17
 1.04112494e-15 4.39982939e-10 1.93448660e-17 1.41019127e-14
 1.49564565e-13 1.75171633e-15 1.09658447e-16 2.55621054e-15
 1.10064181e-15 1.93531629e-14 1.20009298e-12 8.61330387e-16
 7.80929228e-12 1.34412347e-14 2.73721468e-18 1.33171486e-16
 1.01206961e-14 6.88729901e-16 1.70568877e-16 1.95993481e-17
 1.97575791e-18 1.88452112e-16 2.26584076e-17 8.38631108e-17
 2.58032862e-09 3.53642727e-14 4.15788441e-15 1.22002366e-17
 1.15696244e-10 1.69077030e-15 8.20073176e-14 1.90817262e-12
 8.04957330e-18 3.86314257e-17 2.89449081e-14 1.82631514e-11
 3.72009935e-16 1.04362675e-14 2.48276749e-15 1.11006632e-14
 9.20599114e-14 7.80105857e-16 2.09114435e-17 1.01543244e-17
 1.21900366e-19 1.54514002e-13 5.15691090e-09 1.62003440e-13
 9.71624430e-12 6.22144429e-16 1.19016685e-10 1.66552454e-13
 1.55714959e-12 1.12405498e-08 9.99999642e-01 4.53395792e-17
 2.18670704e-17 9.01751156e-12 1.51255092e-10 7.95856714e-11
 3.87366555e-07 9.36676734e-13 4.99023002e-16 2.61720767e-12
 3.47233223e-12 1.47986012e-09 3.21397331e-09 1.99542202e-17
 4.10684670e-13 2.81790497e-14 6.56180976e-09 6.47917184e-19
 2.43854437e-18 2.59037895e-16]


0.99999964


66


[3.9011766e-11 5.1840057e-11 4.2225537e-16 4.0825974e-16 1.7774510e-21
 3.5050984e-15 3.7724923e-14 2.0607749e-13 5.2045139e-11 4.5694338e-12
 4.4845600e-15 5.3581504e-15 4.6538972e-13 9.9663648e-13 1.6315566e-14
 5.7679210e-14 1.0258370e-14 2.8676958e-14 2.0872083e-16 6.1404526e-16
 2.6333617e-15 9.9925207e-16 7.6190931e-13 3.3416568e-14 2.0712384e-12
 1.9851696e-12 1.6370802e-14 1.2848963e-16 2.5206089e-12 8.0311388e-14
 2.9945562e-14 2.3453432e-15 1.5954539e-16 2.0402809e-17 4.4176888e-14
 2.0895127e-14 4.6889003e-11 2.9752718e-15 4.6392515e-15 6.1412789e-14
 2.5286795e-12 2.4324709e-12 2.2451643e-14 1.7233426e-14 2.3858836e-18
 1.5932635e-17 5.5774243e-14 1.6703968e-11 6.7360740e-16 1.4512877e-15
 1.7468391e-14 1.1383072e-16 2.3134508e-16 8.4421000e-16 1.6687606e-14
 4.3486248e-15 7.3205678e-15 1.0490691e-10 2.1324131e-09 9.4133823e-10
 3.4736505e-08 5.5272540e-12 6.9029693e-10 5.8783135e-12 4.1503008e-06
 2.2476359e-11 1.7502630e-08 2.8341939e-14 2.8917186e-15 7.3406892e-11
 1.6616726e-09 9.9999571e-01 1.4577674e-09 3.3058310e-11 2.6793873e-14
 1.3662289e-09 8.5737289e-10 4.3004366e-08 1.8194344e-11 8.7616099e-14
 6.1423540e-11 6.4997792e-08 1.6907302e-09 2.5029713e-14 2.9234417e-14
 5.8223377e-17]


0.9999957


71


[3.94166588e-10 2.67461031e-09 1.42409820e-14 9.36215013e-15
 1.03964319e-18 4.71746728e-17 4.16790566e-15 5.55826885e-10
 7.10273973e-09 4.87950964e-11 6.00122843e-17 2.40868509e-16
 1.32242600e-12 2.59270026e-14 5.27070249e-13 2.56512666e-13
 8.70555017e-12 1.17852093e-12 1.19747907e-13 1.63682219e-13
 4.32497273e-13 2.67714013e-14 3.08980306e-14 4.75465110e-12
 7.61289642e-12 1.29017912e-12 5.98140912e-11 2.76282644e-15
 2.53126564e-09 3.40187600e-11 2.15859844e-10 2.81885737e-10
 6.51503417e-12 1.48964076e-14 6.23317842e-09 9.01457207e-12
 1.92212392e-11 1.03949826e-11 3.36183056e-12 7.06076586e-11
 8.41107115e-11 6.76078415e-10 4.37974499e-13 5.70940796e-14
 6.55520386e-17 7.92938088e-16 9.77114006e-13 1.26892266e-08
 1.59183335e-13 2.21060459e-15 1.36896943e-11 9.62830871e-18
 1.44409851e-14 6.60038024e-14 1.16359674e-11 4.41764316e-16
 7.48495849e-11 2.24537514e-10 2.06841122e-09 4.33865964e-11
 1.65823533e-08 2.02771222e-09 9.08547348e-10 1.34098375e-11
 9.99999762e-01 3.36234400e-08 1.12486307e-13 3.23515171e-15
 8.57254101e-13 6.98466011e-14 1.32678226e-11 1.44548721e-07
 6.61575048e-12 8.07510281e-10 1.64623936e-14 3.03835733e-14
 1.16159393e-08 4.22989928e-08 3.65595358e-13 2.84835285e-12
 1.27571499e-12 2.00716421e-09 1.12474293e-13 5.36035571e-13
 9.50857231e-14 5.25761788e-17]


0.99999976


64


[2.4350871e-10 3.1682984e-10 9.0913350e-13 3.0651148e-14 2.4865081e-14
 8.8340515e-14 6.8676757e-12 5.2153932e-12 6.0855604e-12 4.6560668e-12
 2.2525907e-13 1.8523900e-13 1.2992586e-13 1.2866858e-10 9.5044649e-12
 8.3043947e-11 6.9886879e-09 6.5364986e-10 3.0152741e-11 4.8913457e-10
 6.6485921e-11 4.3110415e-11 5.4908456e-12 4.0645824e-11 2.4431273e-09
 9.2798816e-13 1.2419150e-13 3.5846712e-14 7.2562433e-12 7.6756299e-13
 7.4637165e-11 7.8015355e-12 3.6069888e-14 2.2450715e-13 1.0853762e-10
 4.3041460e-12 4.3563301e-07 7.8321222e-10 5.1829428e-13 1.2949650e-11
 2.4702801e-10 1.9941496e-11 5.7015226e-12 1.0137587e-13 4.0039946e-15
 8.9112169e-15 3.1513778e-12 1.2895426e-07 1.4832724e-11 4.4351765e-13
 7.4757223e-12 3.9614264e-14 1.7779103e-12 8.5483039e-14 1.6846568e-12
 8.8448713e-15 1.7168508e-13 4.4259930e-12 1.7112363e-07 2.6721342e-11
 2.3201573e-10 2.9791794e-11 3.7892744e-10 7.9989834e-12 5.8158537e-07
 9.9999774e-01 2.6265493e-08 2.5162499e-14 2.2447796e-10 3.4838457e-10
 3.9199588e-07 3.2183103e-09 7.0390861e-08 3.2422190e-07 2.8483088e-12
 2.3402977e-12 1.5156715e-08 2.8447314e-08 1.5988389e-08 1.5926419e-12
 9.0680987e-12 4.3793838e-10 3.7123846e-10 1.8802219e-14 3.6851242e-14
 1.7591402e-14]


0.99999774


65


[8.13991152e-10 1.07940735e-07 3.73751391e-14 5.86490600e-13
 4.25540662e-19 5.44043672e-14 6.43283983e-14 2.51438279e-15
 1.47201793e-12 8.33124192e-14 2.14134839e-16 3.28917039e-15
 1.16387802e-12 1.20320386e-11 2.96979712e-14 7.55990322e-13
 1.37771611e-14 7.66177130e-15 1.83385581e-14 2.29557421e-13
 3.26755116e-13 3.61097303e-15 3.43676563e-12 7.60148780e-13
 5.13960185e-12 6.61739747e-14 2.04469349e-15 5.52878363e-16
 3.84232160e-11 8.64381375e-13 5.36531648e-13 9.46352892e-12
 2.33461687e-13 4.92653200e-14 3.54524674e-11 9.88473791e-16
 1.18951404e-09 6.49322176e-13 9.00074405e-15 3.32168761e-16
 2.87131741e-08 3.50907089e-16 4.64187269e-15 5.23997208e-12
 2.17937905e-17 6.48320548e-18 3.47080979e-12 6.56833088e-10
 4.89281488e-16 1.80570854e-16 2.27537275e-14 6.59033455e-16
 7.87495676e-12 3.64930525e-14 6.88611223e-14 4.93777526e-17
 8.61324426e-15 3.44496241e-12 9.99999762e-01 9.14590556e-11
 1.03343160e-10 4.48961944e-11 4.50996529e-09 3.99450611e-11
 4.80444851e-10 1.04780909e-07 1.16508136e-09 1.24471915e-15
 4.21852782e-17 4.24800738e-13 1.93420426e-08 3.60748128e-12
 4.58705474e-09 6.69612010e-09 2.22225650e-14 2.78691844e-11
 6.71091016e-10 6.50481535e-12 2.72214429e-09 2.14367499e-11
 3.66218080e-12 1.23034699e-11 1.15282575e-10 5.98476820e-17
 1.02938483e-14 1.59636753e-16]


0.99999976


58


[5.14464122e-12 1.57324276e-09 1.17438080e-12 6.05207819e-14
 2.88006819e-17 8.17210611e-15 5.11826204e-13 3.28997598e-13
 1.19765118e-11 1.95219058e-12 1.04724773e-14 1.01399540e-11
 1.80592971e-11 4.60759794e-13 6.19874364e-14 9.73817294e-12
 4.44869384e-11 1.19017231e-12 2.44663946e-12 4.15391940e-12
 7.93738512e-12 3.57052192e-12 4.95685581e-09 4.48894828e-12
 3.89406944e-11 6.37430663e-15 7.00852245e-13 3.48786568e-15
 4.42177951e-13 7.60456455e-12 5.88379551e-13 6.04093164e-12
 1.68448957e-12 5.42447565e-15 2.14567586e-10 6.40457917e-15
 1.04047840e-10 7.12020774e-13 6.13494824e-13 2.09278436e-13
 2.83219626e-09 2.24264902e-13 5.26872823e-14 7.74902806e-14
 5.50594879e-15 6.27765816e-16 5.18857960e-13 8.81766812e-11
 4.32738914e-13 4.49070568e-15 4.87307440e-14 2.71391091e-13
 2.42384259e-12 4.87863078e-16 6.57887512e-17 1.56786910e-16
 1.14325257e-13 1.45562937e-11 5.69226266e-09 1.28449225e-08
 4.68246997e-09 6.20577964e-11 7.18978392e-12 3.79120242e-11
 6.44305898e-09 3.98135036e-09 3.96940836e-09 2.13860527e-12
 7.06428926e-12 2.77438683e-10 9.99999523e-01 2.77118573e-07
 2.03628277e-11 1.40696400e-07 5.16236706e-11 5.79950220e-11
 4.74650230e-09 1.60363589e-09 7.26675609e-08 1.41078772e-11
 9.15237330e-12 7.06939529e-09 8.97019437e-09 5.29132419e-15
 2.89291980e-16 8.84316712e-15]


0.9999995


70


[3.62818184e-07 9.99998927e-01 1.32356365e-11 6.14518289e-12
 5.16569930e-20 1.19555017e-12 5.32421533e-14 4.45974403e-11
 7.56545798e-11 2.00751762e-10 3.60045780e-17 6.28176677e-11
 3.54632923e-09 1.01229767e-12 1.85502373e-12 1.40901949e-12
 6.94436065e-15 5.07711591e-15 4.16287522e-14 2.10522192e-13
 1.63273691e-12 2.82459162e-14 4.55425628e-12 6.16518859e-12
 2.22173686e-11 6.10818965e-11 3.70523138e-13 6.79333595e-15
 2.48679445e-11 1.97412121e-11 6.48781864e-13 4.89700572e-11
 2.15562789e-12 9.53478392e-15 3.90130810e-11 9.43862577e-16
 2.15456437e-11 1.44741830e-13 1.60857601e-13 1.26988312e-15
 3.07054009e-08 1.31676735e-15 1.60791799e-15 4.51160637e-12
 3.20459675e-18 1.04399061e-17 1.10149108e-12 1.63592681e-11
 8.18629730e-15 4.81822304e-16 3.48529663e-15 3.42161771e-14
 4.71020185e-12 1.45453972e-12 1.27690488e-11 1.21849908e-14
 1.68734384e-12 4.33182353e-12 2.51114614e-07 1.48473402e-08
 2.98986891e-10 1.80519946e-10 4.56276857e-12 1.23942107e-11
 4.22083313e-10 9.21548601e-11 5.46982121e-12 1.44803603e-14
 6.93257874e-16 7.05628264e-13 5.04706975e-07 5.34193315e-11
 5.80638055e-12 1.06311333e-08 2.65715421e-15 1.07423272e-11
 3.39383366e-09 8.91391041e-12 4.09691968e-11 3.10842657e-10
 3.28603256e-15 5.88366031e-12 1.34567482e-10 2.35975438e-15
 1.20534823e-11 1.32955035e-18]


0.9999989


1


[7.9683680e-08 1.9148547e-07 1.5294006e-11 1.1175028e-10 1.1788656e-16
 2.6285522e-11 3.0353544e-13 6.5774995e-14 2.1523356e-09 6.0978124e-12
 1.7490086e-17 7.7529529e-14 2.0773075e-10 7.7482366e-14 2.3346586e-13
 1.3773627e-10 9.8094799e-10 2.2979985e-13 9.4823043e-13 2.7792249e-10
 5.8169813e-10 1.6194410e-11 3.4524130e-11 2.0173049e-10 3.1561986e-12
 5.7264827e-13 6.4979218e-13 4.5393775e-10 5.9963980e-08 3.3422420e-09
 6.4014900e-09 1.7018772e-06 3.5124453e-10 1.5581061e-10 1.8844208e-06
 6.0002009e-10 3.1306460e-08 3.9869260e-08 1.8853877e-10 1.8611216e-09
 9.9999475e-01 2.1830412e-10 4.5771797e-10 1.0237810e-08 2.7393837e-11
 7.3677745e-13 1.7507487e-08 4.2246938e-08 4.3901631e-12 1.8053107e-12
 1.6311808e-11 4.2296578e-13 1.1509470e-08 3.8177482e-12 2.9237970e-13
 5.5064269e-15 1.0620833e-12 8.6564471e-12 1.3362845e-07 4.0466379e-08
 9.2401276e-10 4.7747711e-10 1.8760449e-12 1.2052282e-11 2.5719531e-09
 2.1491695e-12 4.3431391e-12 3.0151545e-12 2.4090200e-14 1.1217043e-12
 1.3692943e-07 1.5609290e-10 4.6917023e-12 3.1989006e-07 3.8807620e-12
 9.4140869e-11 3.1486276e-09 2.5662922e-10 5.5096217e-07 8.7019334e-09
 3.4702033e-12 1.7767872e-11 3.9593381e-10 8.2563601e-14 6.9348487e-13
 8.6989869e-15]


0.99999475


40


[1.43814665e-11 3.06870740e-13 1.05726669e-14 5.05472617e-13
 3.57220925e-17 2.04915564e-11 3.19531016e-14 7.27423541e-18
 6.77629949e-14 5.80612564e-17 1.49394102e-20 6.24479011e-17
 1.20440160e-12 3.75822251e-14 3.71473816e-16 1.88209301e-12
 4.40907754e-14 1.28964546e-15 3.72041468e-14 3.31365907e-11
 3.07355058e-10 2.16362887e-12 1.40091050e-13 2.82438850e-14
 3.03853318e-12 3.41974994e-16 1.20092681e-15 1.25171420e-14
 7.73986257e-12 2.41799582e-13 1.26271714e-12 4.22244965e-12
 4.52840720e-14 2.09760876e-12 2.35366986e-11 8.03794287e-14
 1.22267110e-11 6.29131166e-12 9.09995278e-14 2.82759588e-14
 7.41514157e-08 2.04153639e-15 2.29806950e-14 1.12152139e-12
 4.06552199e-14 2.09071448e-16 3.89383213e-11 6.64274746e-11
 7.18037199e-15 1.57859445e-15 7.26052333e-15 5.46293433e-15
 2.07277667e-11 2.31682463e-16 4.72764458e-17 2.30272557e-17
 1.35920585e-13 2.72427141e-14 7.14173964e-09 1.82403639e-13
 6.43299858e-10 1.34697036e-13 1.29135452e-10 3.11278607e-12
 2.50812473e-13 3.78643478e-10 8.57286686e-09 2.46500627e-15
 8.68225288e-15 8.59906764e-13 5.35931166e-09 4.39002879e-14
 2.80931593e-12 6.20853235e-09 7.35209116e-12 1.14185515e-10
 6.23624814e-08 3.06225802e-13 9.99999523e-01 2.08918798e-12
 2.26893208e-14 1.28824970e-14 2.33419144e-07 2.15301958e-16
 1.50007560e-18 1.31095355e-16]


0.9999995


78


[5.3764059e-11 1.0200501e-11 5.6413851e-14 3.3209567e-14 5.6517769e-18
 2.2109074e-16 2.5719744e-14 7.2520630e-13 1.7745635e-12 1.9211627e-16
 8.0561664e-21 6.0493394e-16 1.2936371e-11 1.7126731e-15 4.0061794e-19
 6.2225707e-13 4.8225258e-14 5.9256592e-17 7.2867670e-17 1.8774691e-15
 6.2608842e-12 4.9863902e-15 4.2372573e-15 8.5507447e-16 3.5448491e-14
 6.3364137e-16 3.4902596e-13 9.8248961e-15 7.5980134e-12 2.9267918e-13
 6.4722214e-11 3.6709757e-10 5.4428823e-12 1.0840541e-14 3.0353342e-10
 5.3704303e-15 2.8517451e-12 2.5870953e-13 1.3009607e-12 1.3908810e-14
 5.6777610e-11 5.3240658e-15 6.5715853e-15 1.9472553e-13 2.6706415e-15
 2.0073165e-14 1.7759451e-12 2.9209820e-12 9.1770307e-14 3.0605625e-15
 2.1044842e-14 2.8657047e-15 3.0701898e-13 1.7417021e-15 7.0901111e-17
 1.7524435e-17 2.0977577e-12 6.7100823e-13 5.8689081e-11 8.6457869e-11
 3.0707403e-09 3.5229515e-13 4.3222951e-12 8.1550820e-13 1.2270902e-10
 2.0170080e-13 1.5751307e-07 7.3425597e-13 1.5571352e-12 1.7529311e-10
 3.6189962e-09 7.1750772e-11 1.1597188e-12 6.2369843e-09 4.1558285e-13
 3.7188363e-09 9.9999988e-01 7.4635509e-10 1.0159605e-08 3.4340614e-11
 5.8004435e-15 1.6552468e-11 9.9093855e-10 1.4801227e-13 2.5663682e-18
 5.2705792e-14]


0.9999999


76


[1.6219081e-12 4.0137941e-12 9.4001196e-14 3.9420239e-14 5.2252652e-17
 1.2446540e-12 9.4540356e-12 2.6356123e-15 8.0737500e-12 1.0272386e-14
 8.3523032e-18 1.2877181e-15 3.6704589e-12 1.8084008e-11 1.2871128e-17
 3.7051881e-14 1.4361328e-13 1.9850590e-16 1.1093797e-15 5.5865982e-15
 1.0312149e-12 2.2184536e-13 6.2000779e-14 8.1435357e-15 3.4520186e-12
 7.9645161e-15 6.3178304e-14 1.9238256e-14 1.1357794e-14 5.3718591e-16
 1.0939034e-13 2.7381725e-12 1.5273770e-13 5.9079855e-16 4.7721675e-15
 2.9018608e-16 1.5509816e-11 1.9496809e-13 2.2799154e-14 6.1496835e-17
 4.0128296e-12 5.9508713e-16 4.1882669e-14 3.2317738e-13 7.6673481e-16
 1.7249042e-14 5.8800776e-14 6.0314980e-13 6.5166527e-14 5.8574721e-12
 5.1611052e-15 5.7362901e-14 4.0244937e-13 9.0035482e-13 1.1914984e-16
 7.4482503e-16 4.0508527e-14 1.9070195e-11 1.5814710e-09 2.5070011e-12
 3.5137802e-07 2.4347083e-15 8.6148838e-11 4.6144681e-12 6.8476743e-12
 5.4986439e-11 9.9999928e-01 6.4341040e-13 3.6156113e-14 4.6889820e-10
 1.5287294e-09 8.3448239e-13 2.1701783e-09 2.3915732e-11 4.1993714e-13
 3.9204803e-11 3.6596188e-07 1.7572419e-10 1.6712863e-10 4.1134575e-15
 5.7479317e-14 1.6220465e-13 5.4318421e-09 4.7117508e-15 4.9461266e-16
 3.9337772e-14]


0.9999993


66


[4.86984515e-11 5.33458500e-10 2.52751328e-14 1.56787289e-14
 1.17381718e-17 3.97558387e-15 1.69781658e-12 2.40020955e-11
 5.86256510e-09 3.46682210e-13 1.65804598e-17 3.47556809e-13
 4.97433372e-10 1.07231146e-13 4.92643129e-15 6.76048518e-13
 5.89154051e-13 4.85548051e-14 2.47508042e-13 1.95445992e-14
 8.69113754e-13 1.13365853e-13 9.50673784e-13 1.91694723e-13
 1.35215754e-11 1.34100359e-14 1.77552606e-09 3.31148928e-15
 8.43860745e-11 4.13212657e-14 4.88742987e-12 1.21822552e-09
 1.93290158e-11 1.97454646e-15 4.04453415e-11 8.58249222e-14
 8.27594937e-13 1.39562307e-14 2.99623580e-13 7.05727523e-14
 1.94772237e-12 5.18735012e-13 2.59328800e-13 1.22927750e-13
 4.54832002e-15 1.30744902e-13 3.83961878e-13 7.18551249e-13
 2.18706889e-13 1.17170799e-13 1.34214488e-14 1.74525188e-15
 2.37856271e-14 1.60867196e-12 5.19717190e-14 9.72114032e-14
 1.19986265e-09 1.25571498e-09 1.72842292e-08 6.84386903e-09
 9.99998927e-01 2.05763757e-11 8.00909228e-10 1.23389467e-11
 8.51406128e-07 2.14006777e-13 9.76345582e-09 1.05813110e-11
 5.19954947e-11 2.45304221e-10 1.56205111e-08 1.59286575e-08
 1.18353379e-13 2.76885570e-10 2.70541922e-12 6.54187884e-11
 4.00992910e-08 1.01041763e-07 2.46875301e-13 1.01060783e-12
 1.25457836e-12 3.36605153e-11 7.01240316e-11 5.19365692e-13
 5.08206927e-14 8.30234420e-15]


0.9999989


60


[3.69818154e-09 9.99999762e-01 5.07788093e-13 5.59373999e-13
 1.32681623e-17 1.43044173e-13 3.69649596e-13 1.53894408e-08
 9.19107568e-11 2.48685489e-10 4.87077704e-19 1.50563659e-11
 9.32574995e-09 1.88149041e-12 1.27733026e-14 2.12759802e-14
 2.42941871e-17 1.34690944e-16 3.12098607e-15 1.50111933e-16
 9.18411736e-15 2.26267117e-17 1.21129811e-14 2.17490511e-15
 8.70607229e-14 7.11156340e-13 1.15081340e-10 1.97612380e-14
 9.09745126e-11 5.21026039e-13 6.52123483e-13 4.02267162e-08
 1.37562101e-10 1.59105568e-14 3.16435350e-11 6.70668909e-17
 2.83032972e-12 1.80392708e-14 2.48948025e-13 4.52946580e-16
 1.20838773e-11 6.15795663e-15 2.43750807e-14 7.74921089e-13
 3.64543194e-17 1.47575027e-13 8.05959100e-14 1.31822233e-13
 4.59715917e-14 1.94014353e-14 2.45086781e-15 1.99217660e-15
 1.00515231e-13 4.36397272e-11 1.88910302e-12 4.48095540e-14
 1.31174255e-11 6.76735112e-10 2.97147764e-08 2.60917093e-10
 2.60558295e-08 4.25762984e-12 3.77938410e-11 6.80185007e-14
 8.71841557e-11 2.24086028e-11 5.73123493e-12 6.42938122e-14
 3.09627507e-14 4.84644768e-13 2.39831821e-10 6.30957282e-14
 2.51796549e-13 1.67455915e-12 1.27040744e-15 2.90589449e-12
 5.45584307e-08 3.20595744e-10 1.26748369e-15 5.67355462e-13
 3.47279307e-14 1.56118082e-14 1.39938755e-11 2.52406765e-13
 6.54480428e-11 2.22049075e-17]


0.99999976


1


[1.41354761e-10 3.98775990e-09 1.55036782e-11 1.28142202e-12
 8.45681286e-14 4.93500775e-14 1.10924280e-12 6.68813893e-11
 8.58169091e-09 1.35346693e-12 5.64581529e-20 2.26166728e-13
 8.95444074e-09 4.96317831e-13 8.92236548e-18 9.79110564e-13
 2.16980448e-12 8.29287078e-16 1.95247396e-13 8.41557116e-14
 3.81268931e-12 9.70949124e-15 2.23280839e-13 6.00257203e-13
 1.59793945e-13 5.61126166e-15 1.03392114e-10 6.46164025e-11
 2.50646480e-07 2.46208720e-10 7.31042293e-09 9.99998331e-01
 3.78360232e-09 7.03033520e-10 3.30218512e-07 6.04970772e-13
 3.80247528e-10 8.42130532e-10 4.12976632e-11 2.63970651e-10
 7.18744900e-07 9.74103131e-10 1.97790881e-10 7.32499061e-10
 3.09966506e-12 1.10432996e-09 8.75613748e-10 1.39601913e-10
 1.05083220e-10 5.91590752e-12 2.16246378e-11 1.08434617e-14
 1.85140740e-11 1.92298399e-10 2.01340612e-14 1.73531291e-15
 1.80976900e-11 3.10194217e-08 1.98789927e-08 2.95357800e-08
 1.21987869e-08 1.00458660e-11 3.53780915e-12 4.47497183e-13
 1.68812367e-10 4.05214165e-13 1.57753342e-11 9.44276341e-12
 1.58504254e-12 3.73085330e-12 2.36732012e-09 4.43902998e-13
 1.23418333e-11 4.76320039e-10 1.13500431e-12 7.44505221e-11
 9.16428888e-09 2.42714208e-07 2.80947834e-12 1.49623092e-10
 2.10527623e-10 2.96529576e-12 1.36860454e-11 1.94821546e-12
 1.46814353e-12 5.79915727e-13]


0.99999833


31


[2.06815424e-12 7.95397984e-11 4.16464064e-13 2.25939926e-11
 2.45365129e-17 1.03211649e-11 3.82878321e-12 1.04661964e-15
 1.39199980e-14 6.65635251e-15 2.48907668e-19 9.56549013e-16
 1.92631855e-10 1.98340962e-11 8.75811223e-18 3.15323803e-13
 9.48424697e-16 1.36255076e-17 4.20877246e-15 3.54181846e-14
 2.46733623e-13 8.28475038e-16 1.34129415e-12 1.99479596e-14
 1.45386871e-12 2.05026866e-15 9.07267684e-16 1.42855142e-13
 4.84000097e-11 1.68922461e-12 8.04625735e-13 5.14880227e-08
 2.64142310e-12 1.00126886e-10 4.40451581e-12 6.97869492e-16
 6.98144830e-13 8.21848354e-14 2.65554468e-14 7.28682455e-15
 7.36679107e-10 8.92776453e-15 1.09973994e-13 2.37234260e-10
 5.67144869e-14 3.34757851e-12 8.83457030e-10 1.27609121e-12
 2.70961393e-15 1.17756458e-13 4.95838451e-13 1.76874371e-15
 2.63629066e-11 1.68749632e-11 1.54481565e-16 1.91964297e-14
 6.20665791e-13 9.19418142e-09 9.99999046e-01 2.34584574e-09
 6.24547924e-09 1.12909675e-13 3.85636866e-07 1.18992788e-10
 3.49450666e-13 5.63487423e-10 6.85602473e-08 1.04740347e-13
 1.89506745e-15 8.61996030e-11 3.39671374e-10 1.01268970e-16
 9.56404733e-09 3.03479776e-11 1.91004677e-12 2.94967550e-10
 1.45928148e-11 1.40777004e-07 7.19116278e-09 1.73888519e-12
 1.03332252e-10 1.17248171e-13 2.41462345e-07 7.71025663e-16
 4.45052456e-15 4.40687254e-14]


0.99999905


58


[1.47073964e-10 1.64523800e-14 1.41827901e-13 1.77014656e-14
 2.25125078e-17 2.15818955e-15 1.04350793e-13 1.73155801e-13
 2.89469794e-12 1.87735352e-12 2.19369728e-16 9.70540833e-16
 1.25547417e-09 1.62881601e-12 1.74228821e-17 1.41454149e-11
 1.44150083e-14 1.12703737e-15 9.25800777e-14 2.11762536e-15
 4.96232395e-13 1.37277028e-16 7.32600992e-13 5.57774516e-14
 1.55220211e-14 1.10813826e-16 8.97689668e-15 3.44976733e-13
 7.68152209e-12 7.06399479e-12 8.78110681e-13 9.20151733e-10
 3.40563108e-13 8.71693082e-12 4.90745933e-09 2.16047747e-13
 1.85004481e-14 2.05710252e-14 4.93407615e-13 9.70835391e-12
 8.59171328e-12 1.72896406e-13 4.50388668e-13 8.93715570e-12
 4.50701461e-13 9.48000142e-13 3.29102232e-11 2.19444254e-12
 6.01006637e-15 8.29263822e-14 4.02730583e-13 2.57805438e-14
 3.66358311e-13 2.07483594e-13 1.58360204e-17 6.43187082e-14
 2.94845420e-12 3.09016435e-09 6.75466865e-08 1.42438512e-06
 7.11779347e-09 1.49430842e-13 1.55511977e-08 1.76814830e-11
 1.29857444e-10 8.15488718e-11 2.19589243e-11 1.48912729e-13
 4.34404812e-12 3.17697322e-12 1.58512066e-08 1.55972860e-10
 1.28661350e-12 8.80334380e-13 3.66337238e-10 5.82826010e-10
 2.77157124e-08 9.99997854e-01 1.44551815e-10 1.66653930e-12
 6.51019320e-07 3.16186639e-12 5.34152544e-09 4.87344973e-13
 3.12341739e-14 1.40541523e-13]


0.99999785


77


[5.2123639e-14 3.4335658e-13 1.1682486e-15 4.3690732e-13 6.6253864e-19
 1.3414434e-12 3.6885317e-12 1.9348346e-16 3.6577366e-14 1.9461752e-16
 2.6638834e-16 2.5763348e-17 3.0678171e-10 6.5351080e-12 6.2782032e-18
 7.2362988e-16 3.2614666e-17 1.8755985e-17 8.5439605e-16 7.0582382e-17
 2.6271625e-14 7.7642997e-17 2.7719060e-14 1.0146625e-16 1.1125342e-13
 6.4941659e-12 1.0277750e-16 7.8111269e-15 1.0406269e-11 6.1634583e-14
 1.1550352e-14 1.6717825e-12 3.2115078e-14 1.5512407e-13 8.4333105e-13
 9.7602262e-16 7.5396198e-15 5.4865478e-14 2.8261403e-14 4.2928802e-16
 1.8400259e-10 1.7920382e-17 1.6782544e-13 1.0923078e-11 4.8128212e-14
 4.3392810e-14 1.0494821e-09 4.1755446e-11 1.4601451e-15 1.5903576e-14
 2.6391204e-14 4.8548080e-14 1.6351893e-10 1.6704325e-14 7.9766697e-18
 1.0737805e-15 7.9680938e-14 1.6796524e-11 9.9999964e-01 3.6893340e-08
 1.3633222e-08 1.7925740e-14 1.9691043e-07 1.4683270e-09 3.8782727e-12
 1.4322374e-10 6.0832640e-08 6.4761991e-14 3.6414163e-16 2.3157958e-12
 1.3598758e-12 4.2630228e-13 4.4701054e-10 2.1228748e-11 6.5642999e-13
 1.7116523e-09 1.3643300e-10 1.6504726e-08 2.1300355e-09 1.4870665e-13
 7.2547655e-11 2.3070258e-13 2.5073406e-09 2.3660805e-14 1.4875645e-15
 1.7763992e-15]


0.99999964


58


[6.3238646e-12 2.2097994e-10 8.9418131e-14 5.3617880e-15 2.6859506e-18
 3.3187236e-15 1.1475740e-12 7.8840184e-11 5.9537583e-11 2.5394847e-13
 4.6925219e-15 6.9533290e-13 1.8699684e-09 5.6422633e-14 5.0463550e-16
 1.3418234e-13 5.2785607e-15 5.8570775e-13 7.0837160e-12 2.9981470e-16
 3.5568770e-13 7.2694451e-15 3.4546246e-13 6.3701879e-14 1.4755750e-13
 5.6620540e-15 6.9580619e-14 4.9717094e-13 7.8381225e-11 2.7208734e-11
 2.2880477e-11 4.4516402e-10 3.4762585e-13 1.8060255e-11 3.7591586e-11
 4.0328843e-13 1.0352642e-13 1.1515970e-13 1.7268371e-13 8.0595448e-13
 1.9514314e-11 9.2953987e-12 1.5174939e-11 4.2587670e-11 2.7048098e-13
 1.1309533e-12 1.4235319e-11 3.7265999e-10 1.6078893e-13 9.1297902e-16
 1.0092885e-12 1.6425820e-13 8.5739749e-13 1.2339340e-16 1.7473889e-17
 2.4881068e-13 7.7876053e-11 5.8645760e-10 5.4363142e-07 9.9999917e-01
 1.5531024e-09 7.2230958e-13 1.7197926e-10 2.2104508e-08 2.5920288e-12
 6.2110384e-10 1.0309381e-11 9.3979186e-13 1.6774521e-11 8.8321876e-12
 8.4108465e-10 3.0415073e-08 5.2478204e-12 1.4709982e-12 1.7537626e-10
 8.6246949e-08 1.2776307e-08 1.4082953e-07 1.8788088e-10 6.5717414e-12
 1.0736421e-09 1.1857427e-11 3.6297396e-11 7.1697840e-13 1.9735012e-14
 5.2879955e-14]


0.99999917


59


[1.02165719e-13 3.29007155e-09 1.23454349e-14 1.74484342e-12
 2.37594942e-17 1.39642996e-12 1.52868126e-12 2.54896392e-13
 2.61620342e-13 8.63074142e-15 1.19478447e-17 2.22743390e-14
 3.09286929e-10 1.09603125e-11 1.73547513e-14 1.07367067e-14
 7.62438509e-17 7.12207664e-15 6.66810289e-14 8.41455320e-15
 4.28642954e-14 5.19841230e-15 1.65902975e-15 2.79025845e-15
 5.85118889e-12 4.51388872e-13 7.52174892e-16 1.81334135e-14
 3.17379234e-09 1.90645107e-13 4.18507893e-12 1.73255073e-11
 5.91715194e-14 5.54289850e-13 7.07350269e-15 3.20565590e-15
 1.11207606e-13 9.78555141e-14 2.63441731e-15 3.35849755e-16
 2.69878460e-11 8.57184108e-16 3.33979060e-14 2.81722584e-12
 2.67233304e-15 7.07739639e-13 2.42535797e-10 1.71449036e-11
 9.08234974e-15 7.54036512e-16 6.75530163e-15 4.50831965e-14
 9.75397627e-12 4.78877632e-14 4.19703894e-15 3.38693591e-13
 5.57427043e-13 3.53830888e-11 9.99999762e-01 5.85380100e-08
 2.10993820e-10 2.68947953e-14 2.12072607e-07 1.58543205e-08
 7.80919451e-14 4.07837142e-09 1.31353719e-08 1.13077806e-14
 4.91657627e-16 9.39133979e-11 2.80862925e-13 4.64858458e-13
 4.96113195e-09 4.18503903e-12 3.38946773e-14 5.92037264e-09
 6.98041580e-09 3.26292236e-14 2.60751892e-10 3.35044882e-12
 1.35839369e-11 4.75617267e-13 5.69795322e-10 7.84954157e-15
 1.44100527e-15 1.61392242e-16]


0.99999976


58


[4.9955446e-08 8.9692238e-12 2.8150859e-13 3.0193733e-14 5.3497512e-17
 5.8835173e-16 1.4098657e-14 1.2686065e-10 1.4068848e-09 5.5223357e-11
 7.6588977e-17 1.0649784e-13 2.1035508e-08 5.2195366e-14 8.4249529e-16
 4.6333892e-11 1.4697858e-14 6.1768199e-16 3.0449948e-13 3.8186782e-15
 9.5160685e-13 1.3785886e-14 2.1787293e-14 5.5179288e-13 3.9994162e-14
 1.2909068e-13 4.8332828e-13 8.8706152e-12 2.7114137e-08 1.7893154e-10
 2.5918951e-09 1.5234432e-10 5.7379740e-11 7.9323070e-10 3.3658335e-08
 4.2594910e-11 9.1424242e-13 5.6182164e-12 2.0881056e-11 2.0413274e-10
 4.9272270e-10 1.8663959e-12 6.7931652e-13 5.1054265e-11 4.9650522e-12
 1.5360711e-10 2.6845901e-10 1.2485432e-10 8.4682868e-13 7.1304785e-14
 7.2992362e-11 2.9203748e-15 1.8072553e-12 6.3602679e-15 1.5851250e-13
 2.3843490e-12 1.3647600e-09 3.9076500e-10 2.2867258e-08 3.8219468e-09
 3.5018996e-10 5.5715081e-12 8.6914920e-09 8.4733644e-12 2.0975220e-11
 1.7403768e-11 1.0333298e-12 1.4906843e-13 1.5250683e-10 6.2424686e-13
 4.7155324e-13 1.6753962e-08 8.1281526e-13 2.6184766e-11 5.4196057e-11
 1.5714314e-09 9.9999952e-01 2.3462923e-07 7.4170431e-10 1.9628081e-09
 4.9193134e-09 2.4353920e-11 2.4615032e-10 1.5579791e-11 1.7236731e-12
 4.0326781e-13]


0.9999995


76


[9.37528512e-07 9.57046129e-14 2.10699890e-15 1.27459302e-11
 6.00094719e-17 1.09566531e-13 2.86587804e-14 3.51290076e-14
 1.68920555e-11 2.83306495e-12 4.32156177e-17 2.81981225e-13
 3.93336622e-12 1.27505992e-11 9.89625049e-13 2.63212824e-12
 2.91221653e-16 1.45757972e-13 1.13451110e-12 1.66403051e-13
 5.81974146e-15 2.66882569e-15 8.92526341e-14 1.01594500e-13
 1.21982883e-14 6.83013433e-13 1.21969912e-13 1.05598059e-13
 1.51337058e-08 1.73549111e-07 3.88231912e-11 2.96852685e-13
 7.23244589e-11 5.48458902e-13 1.46631526e-10 2.18855194e-11
 6.16824374e-16 1.18447746e-13 4.59413453e-12 3.41992385e-12
 2.38441322e-10 1.14796639e-14 8.55472756e-13 1.99139490e-12
 6.01897614e-14 6.07338209e-15 1.65258793e-08 3.23247614e-12
 7.00272377e-15 9.69502307e-15 1.08504492e-12 1.14286622e-16
 7.39670825e-10 2.33058219e-14 6.36001126e-14 7.33871460e-13
 1.89539552e-12 9.65166697e-11 6.18513951e-08 7.87443721e-12
 1.52195643e-08 9.92737836e-11 9.99998689e-01 2.53740556e-10
 1.26038413e-09 1.03057056e-10 1.24442069e-12 7.15850996e-16
 2.31122521e-13 9.43220068e-12 2.20112963e-13 3.20349081e-10
 1.34627888e-12 5.70369002e-13 1.07133150e-10 8.51228289e-12
 5.51302248e-09 6.17620899e-10 7.15954185e-10 2.41019796e-13
 6.46176255e-12 6.58817212e-14 1.06026271e-10 1.71939078e-11
 1.98734362e-11 2.68369125e-14]


0.9999987


62


[9.99978662e-01 1.26450881e-11 3.44521156e-12 3.29795913e-11
 3.67248041e-14 6.15383734e-14 7.55279035e-15 1.30184794e-10
 6.19701002e-09 3.30535217e-11 1.13967820e-16 1.59448691e-12
 1.46434566e-11 2.61614948e-12 3.55286148e-11 5.89308797e-08
 1.08915980e-12 5.31478160e-11 3.90391452e-12 1.92755725e-11
 1.34727507e-11 1.08214354e-13 3.40713499e-11 1.07270658e-10
 1.29093344e-14 3.11361180e-12 7.49151366e-11 3.57948615e-10
 1.75093719e-05 1.15620367e-06 1.53219958e-07 3.90423249e-09
 1.56229625e-08 3.82891727e-08 4.65707934e-08 1.22577475e-07
 1.51692200e-14 1.13648209e-10 6.17859897e-09 8.86990676e-08
 2.26325962e-08 8.21903379e-11 2.64051437e-11 9.61134372e-09
 4.79992782e-12 6.64194741e-12 9.74336444e-07 1.10176046e-09
 3.66892714e-12 2.08856166e-13 3.33249844e-10 3.33512870e-15
 1.96560048e-08 7.18184518e-13 3.24107958e-08 5.21019295e-12
 2.40418463e-10 1.57179048e-10 1.43239060e-10 1.48616425e-10
 5.89780846e-09 2.43917303e-10 6.48185292e-08 2.62798203e-12
 2.69593542e-10 3.76401557e-12 2.61304349e-15 2.45332294e-15
 1.31616149e-10 2.85623543e-12 2.23656637e-13 7.99746658e-10
 4.93961968e-14 2.91241579e-11 4.75153028e-09 5.19782524e-12
 1.08628967e-06 1.18144676e-08 1.92820565e-10 1.82063989e-10
 6.04503643e-12 2.58901489e-13 9.34742474e-12 1.01156986e-10
 9.17782295e-09 4.88090037e-13]


0.99997866


0


[2.2906959e-05 2.4313386e-11 3.9725601e-11 8.8612921e-08 6.3788405e-11
 8.3305650e-07 2.1901307e-11 4.1491420e-12 4.9932432e-09 4.3239052e-09
 1.4109350e-11 5.5692895e-10 5.9577972e-12 2.7148946e-08 1.2884617e-08
 1.4345939e-09 2.6380773e-10 1.0874901e-08 4.5748703e-09 5.4416809e-09
 8.0838175e-10 1.9476501e-10 5.0493609e-11 1.9730079e-10 5.2945117e-11
 1.2429966e-06 2.1468442e-11 1.6680128e-09 1.3242765e-06 9.7533223e-07
 8.5655967e-07 2.6739718e-08 1.6194974e-07 5.2294443e-08 6.0342294e-11
 5.9283798e-07 3.9620017e-12 2.3269465e-07 1.8743253e-06 4.1227709e-06
 8.6941982e-05 1.9156450e-10 3.7308037e-09 2.4906979e-06 1.0923359e-08
 4.7395514e-09 9.2792046e-01 3.1307995e-06 3.8007681e-09 6.3975376e-09
 6.5258177e-10 1.5946826e-09 7.1943015e-02 1.3372083e-10 1.6126505e-08
 3.0996969e-08 6.6873929e-10 1.1845365e-09 3.1812986e-09 3.6211298e-11
 9.6273034e-08 1.5939217e-10 8.3613550e-06 1.6619447e-08 8.8793577e-09
 2.8322540e-09 4.5787268e-10 6.0936516e-12 7.6707141e-11 2.3700975e-11
 4.9599001e-12 2.2576873e-12 5.2890105e-11 3.9725770e-10 2.0832857e-08
 6.4020017e-10 1.9227551e-09 1.3339584e-09 7.6052707e-08 2.2948533e-10
 1.1613037e-10 1.3015377e-12 4.6972710e-09 4.7584736e-09 2.9127052e-09
 6.9086258e-11]


0.92792046


46


[3.74498228e-07 6.14339228e-08 3.02345658e-15 6.53173826e-09
 5.74456728e-14 8.63320437e-08 3.80016435e-11 3.79235488e-13
 4.23811652e-09 2.60955285e-10 2.05528206e-10 1.56032717e-12
 1.39037182e-09 5.90591909e-10 8.64820251e-08 2.66419308e-12
 2.60590784e-13 6.13746901e-11 7.39336578e-11 1.72675364e-11
 1.05272693e-10 1.22162896e-11 6.55888191e-12 7.53255618e-12
 7.23326130e-12 9.99989748e-01 9.62293700e-12 2.99912547e-12
 1.56028136e-06 8.79631230e-08 5.25351718e-09 1.80796017e-10
 5.38615197e-08 1.51286192e-10 2.11376576e-12 1.75116907e-10
 4.89926350e-13 2.10842857e-10 2.24498152e-07 3.38440493e-08
 1.82678860e-07 8.49280368e-10 5.34512767e-10 2.84179649e-08
 2.14172240e-13 7.37789062e-13 2.60067873e-06 2.27632917e-08
 8.64484109e-11 5.20303071e-12 2.93944209e-11 3.01305592e-10
 4.13203452e-06 3.30558758e-09 5.38329914e-07 2.76890555e-09
 2.84159835e-10 1.26893695e-11 3.13435528e-10 4.94042350e-12
 1.10105414e-09 3.21699230e-11 5.78757522e-08 2.95533753e-09
 8.45093232e-11 6.64535138e-09 7.99694729e-13 3.94481675e-13
 4.86415908e-10 9.23032131e-14 9.61905014e-15 4.26651527e-11
 1.04118441e-11 9.63066692e-12 2.95666512e-11 5.59909630e-09
 1.86406966e-11 4.19917139e-13 1.93441541e-10 3.64175432e-13
 1.19606614e-12 1.59885248e-13 9.55135207e-11 4.03527833e-09
 1.26766125e-07 2.77095485e-13]


0.99998975


25


[8.90834854e-05 7.56803565e-05 9.28542158e-06 9.26878420e-05
 2.77129260e-07 2.38806251e-07 1.80194866e-06 1.61923856e-06
 6.91233654e-05 7.52309961e-06 9.16931668e-08 1.26609834e-07
 9.49823807e-05 1.16978990e-05 3.92580114e-06 1.23718812e-04
 7.57694896e-03 2.20555994e-05 4.57786919e-05 1.46115008e-05
 2.46466836e-04 5.49334327e-05 2.25987515e-05 1.05410807e-04
 4.29060092e-05 1.01602782e-04 1.68833976e-05 1.79680846e-05
 5.58363609e-02 6.37709871e-02 7.09333271e-02 2.62189265e-02
 1.05957791e-01 3.51048745e-02 4.79291519e-03 7.56652001e-03
 2.57557468e-03 7.92012587e-02 7.39350915e-02 2.03959625e-02
 4.57884967e-02 1.10145407e-02 8.09514429e-03 4.83902730e-02
 5.41857953e-05 1.32600255e-02 4.87039424e-03 2.96919644e-01
 3.70739377e-03 1.70236297e-06 1.10912705e-02 2.42272267e-06
 2.96526996e-04 2.35735162e-04 2.55476509e-04 4.50814423e-06
 9.79231772e-05 1.76860635e-06 1.00436460e-04 7.14045527e-05
 3.50702612e-05 5.12971419e-05 1.78645223e-05 3.62820424e-06
 9.04861372e-06 5.33515740e-05 1.91261665e-06 7.17516969e-06
 9.16290592e-05 1.25291035e-06 5.99145505e-06 1.93161281e-06
 3.53373362e-05 4.97906403e-05 2.44168950e-06 1.64914145e-05
 8.98060753e-05 1.98504658e-05 2.52537775e-05 3.70838898e-05
 1.24097178e-05 4.72337547e-07 1.06950858e-06 2.40852955e-06
 1.70869589e-05 1.14756685e-05]


0.29691964


47


[1.41734134e-07 6.99425243e-07 1.67513003e-10 5.36556456e-07
 1.08023972e-11 1.55519075e-09 2.01312133e-07 2.35207374e-11
 1.03352023e-11 1.79934574e-08 3.88194543e-08 7.31042249e-09
 5.62595162e-08 1.19451879e-05 4.70199453e-08 2.72774031e-07
 5.32013456e-09 6.59827171e-09 1.21924346e-08 2.83787993e-10
 1.30972255e-08 2.91609820e-10 5.42924958e-08 1.22387012e-09
 8.08951199e-08 8.71707016e-06 1.52459349e-12 1.71917012e-11
 8.07389711e-08 2.36090023e-06 4.27057017e-07 3.25230829e-08
 1.82854350e-07 2.12880792e-07 5.53164771e-11 3.79135834e-10
 3.02753108e-07 2.31447217e-08 1.35229102e-05 8.43110859e-10
 1.25274170e-07 1.89458405e-09 6.51243795e-07 9.66161406e-06
 2.37994884e-11 1.73154966e-08 1.30524995e-06 1.32977884e-05
 8.34704028e-10 4.38822340e-10 1.11063216e-07 3.91559460e-08
 7.71666294e-07 1.10236748e-07 7.51765386e-11 1.59627633e-09
 2.62378397e-10 8.14500342e-11 1.24343387e-05 4.38255690e-08
 7.26516660e-08 2.04729265e-08 1.08202526e-04 3.38819461e-07
 4.74612238e-10 3.86056071e-03 4.91845349e-05 7.00025815e-09
 9.28389170e-08 4.47026792e-07 5.40259066e-07 1.39213219e-09
 2.14739819e-03 3.53712267e-07 2.75484768e-09 9.93735135e-01
 2.09742848e-06 4.14642443e-07 1.59110587e-05 2.11716422e-09
 1.59734256e-07 2.01741179e-10 4.73069321e-07 4.14526746e-10
 6.09772288e-10 3.62700286e-11]


0.99373513


75


[2.81098478e-10 2.77060259e-08 7.56461005e-11 7.59464882e-08
 1.34709586e-13 4.12840595e-12 4.06717593e-09 8.56479887e-11
 4.69331934e-11 1.56594585e-10 9.50443990e-09 3.36302675e-09
 1.89517868e-09 1.40179326e-08 8.89417880e-12 4.23341406e-09
 8.53748350e-10 7.40788958e-11 1.97056677e-11 7.08338319e-11
 5.56624358e-10 6.62623220e-11 2.81309021e-08 1.56509261e-09
 3.36101493e-08 1.28204682e-08 1.37992673e-11 9.46063323e-13
 1.25309372e-08 3.55516562e-07 1.10313376e-08 6.44778169e-08
 2.40241560e-09 3.69148295e-10 2.00884087e-09 1.15719156e-10
 2.34374564e-08 1.51149004e-09 4.63522483e-08 3.05974579e-10
 1.49201611e-08 1.17370752e-10 5.12397591e-09 4.51448159e-07
 6.93631220e-12 1.97834948e-09 6.38904396e-08 3.49190782e-06
 1.68338274e-10 2.26599850e-11 1.77904191e-09 2.38842002e-10
 4.64776706e-09 1.12328783e-11 4.48479665e-12 1.09272010e-11
 1.76408235e-10 7.42897271e-11 9.99963045e-01 1.01284002e-06
 3.05616190e-08 1.64006792e-06 9.65442268e-06 8.97640257e-06
 2.07014708e-07 1.96648770e-07 9.77599257e-07 3.68671926e-10
 6.75330569e-10 2.91722806e-08 1.26424743e-06 1.00157956e-06
 4.99659393e-07 6.33880433e-08 1.04759916e-10 3.70157613e-06
 2.05134416e-08 2.73898263e-06 1.59825007e-08 1.19630982e-07
 3.39644446e-09 1.12648368e-09 8.72383055e-08 8.05194366e-12
 1.52518050e-11 1.17346072e-11]


0.99996305


58


[1.6476397e-08 4.1507056e-07 6.1629299e-11 2.3866872e-10 4.7635280e-17
 1.2052732e-16 8.0919922e-13 4.5900695e-08 4.7302173e-10 7.0625812e-09
 5.7820160e-13 2.2664428e-06 9.0856689e-10 2.7938003e-12 1.4212166e-11
 5.3203077e-09 3.7240103e-10 1.0644487e-10 5.1745455e-11 2.3737487e-10
 2.3120337e-11 2.9887939e-11 6.4555700e-10 6.6126855e-09 2.6169482e-09
 3.5233261e-11 2.0166644e-11 3.3158545e-15 1.5353445e-08 2.7321646e-05
 1.8491931e-09 5.4981570e-07 1.9887401e-09 4.2584403e-10 2.6783971e-07
 4.8129511e-11 5.1949689e-10 4.2489050e-11 1.6420764e-09 3.2083447e-10
 1.4649087e-10 1.3976204e-10 3.8700300e-11 8.4114764e-11 1.1065944e-13
 2.0751228e-12 7.0543110e-10 1.9984109e-08 6.5154345e-12 6.4279860e-14
 1.1686162e-09 4.0840222e-14 2.0973915e-11 6.6370466e-13 9.3946179e-12
 3.2739911e-13 4.8767695e-10 3.8600116e-11 5.4402540e-06 1.6169801e-08
 1.3126832e-07 9.9996209e-01 2.3746784e-07 6.7670513e-08 3.9954611e-07
 8.6781808e-09 1.8538166e-12 2.3397679e-12 3.8336387e-09 6.7835688e-11
 3.6082457e-07 1.9637280e-08 5.5593152e-12 2.6744088e-08 2.9364228e-12
 3.0631997e-10 1.1364840e-08 3.0832368e-07 9.2508735e-12 3.9017657e-08
 6.5153603e-12 1.6847669e-12 8.4645596e-10 5.2251437e-12 5.5326216e-10
 1.5462641e-13]


0.9999621


61


[9.08916746e-08 3.54806310e-04 5.45031810e-07 4.55438215e-10
 1.31745379e-14 2.84859484e-12 3.57193164e-11 8.97493493e-08
 4.97974600e-13 1.97214440e-08 4.62730097e-11 9.99604166e-01
 2.03108286e-08 1.39552014e-09 7.28649674e-09 6.24172742e-07
 5.90659299e-10 2.76320247e-08 1.01415107e-08 1.64661573e-09
 1.04857689e-09 2.50308130e-09 1.41792977e-08 3.50099105e-09
 4.18667071e-07 1.69268363e-10 3.41081091e-12 1.14370332e-13
 5.34399157e-11 3.23409921e-08 4.38515585e-10 1.95748959e-10
 4.02774446e-11 6.04018224e-11 7.05996442e-11 4.04595975e-12
 1.90866004e-07 3.04096359e-10 8.12545795e-11 1.68967878e-12
 4.09704659e-10 5.93880197e-13 1.44426754e-11 8.21880827e-11
 3.56642721e-13 1.21347321e-10 9.56369539e-10 1.41329570e-09
 4.66340022e-10 9.10860831e-11 3.43720524e-10 2.11932104e-11
 8.65266081e-10 1.08042386e-11 1.52535526e-10 4.81677155e-12
 2.23780239e-09 1.51575266e-10 3.11612916e-06 9.35033023e-11
 1.37866474e-09 2.38936136e-05 1.05280634e-07 3.08368509e-09
 7.68443208e-12 1.21013688e-08 5.71286236e-08 9.61304560e-12
 1.82830848e-10 1.43359699e-07 5.22412279e-07 6.52502052e-10
 1.01539420e-07 1.72269779e-06 4.07037494e-11 7.08352630e-08
 1.78270653e-07 6.76221346e-09 5.90517302e-10 1.31917957e-07
 5.95993740e-11 4.11147991e-11 8.88277555e-06 9.17386861e-11
 7.13224724e-09 1.49912025e-13]


0.99960417


11


[3.93712868e-10 9.99973416e-01 2.14323934e-10 1.46506082e-12
 3.55677259e-20 1.67998302e-15 2.04850609e-13 2.47756429e-08
 1.22609129e-14 1.05074588e-10 6.32424048e-17 2.11475290e-05
 1.59483993e-09 4.70597519e-13 3.09783254e-12 3.12300468e-12
 1.52176150e-15 2.98230708e-15 2.15415691e-14 9.15616570e-16
 4.88444836e-14 1.04921114e-15 1.77724762e-11 2.53567810e-13
 2.19377197e-10 2.36583364e-10 7.34331148e-15 4.79344051e-17
 5.25731281e-12 1.22826832e-10 8.91056705e-13 1.41344965e-11
 1.38435409e-11 3.02125111e-15 3.84220752e-14 3.08468382e-16
 8.19849223e-12 4.05399455e-14 5.57582206e-14 1.12727155e-16
 1.63992658e-12 6.13100023e-16 2.90293702e-16 3.68049341e-12
 2.50183651e-18 3.25900006e-13 8.58294935e-13 8.65180052e-13
 5.31228063e-15 2.13304241e-15 3.45171672e-13 8.16360868e-14
 1.18338900e-12 4.24199894e-14 5.07553906e-13 1.96487842e-15
 3.35392196e-12 8.07438925e-12 4.45318619e-06 1.83644697e-10
 6.19635040e-13 4.05759382e-09 5.62417612e-10 3.05852149e-11
 1.17661686e-12 9.00122511e-12 2.62922809e-11 1.44510750e-14
 3.23259603e-17 1.80867803e-11 1.90247346e-10 9.44588296e-11
 3.06979692e-10 1.30248687e-10 6.53782857e-16 7.33594959e-07
 2.62049213e-07 5.05497066e-13 5.01790992e-13 1.49607526e-08
 1.45837915e-14 5.04231693e-13 5.41327116e-09 4.26803216e-15
 2.14586422e-11 8.35775588e-19]


0.9999734


1


[6.65838185e-09 1.24156134e-06 2.25700181e-10 3.60575192e-09
 2.27243100e-14 1.57003113e-14 9.31667829e-13 1.14262519e-08
 1.02017263e-10 1.44364645e-10 3.10580961e-13 1.69660780e-07
 1.39157251e-07 5.85665717e-12 1.22927805e-13 4.05711714e-10
 1.46935197e-09 2.25029943e-11 3.90562062e-11 7.86255609e-12
 4.69336625e-10 1.43111337e-12 4.88044591e-08 3.31294792e-09
 3.35851291e-10 5.40623483e-11 1.16018115e-11 2.72852921e-11
 2.77608706e-07 1.15319494e-06 8.52213518e-08 2.93861171e-06
 4.49572599e-06 2.47852210e-08 6.57230714e-08 1.21731158e-08
 1.34842075e-08 3.24716716e-08 4.83641287e-11 6.85758894e-10
 2.19262029e-06 1.28432182e-10 2.44309607e-11 1.44989755e-07
 5.93497196e-11 3.52054258e-07 2.82848873e-08 5.72072395e-07
 4.66057526e-10 2.73709202e-12 3.76997536e-06 4.31900479e-12
 1.32806743e-08 1.93475683e-12 5.88659538e-11 1.84363389e-13
 7.44396988e-10 4.30322944e-10 9.92065966e-01 5.04379841e-06
 9.38260358e-10 6.93282161e-08 1.15471970e-07 1.04049320e-08
 8.33066838e-10 1.69906225e-11 1.97526426e-10 1.03479959e-11
 1.33736186e-14 9.98892427e-11 3.84696278e-07 7.26425631e-09
 4.53489442e-08 3.49640516e-07 1.54324730e-11 1.87121423e-05
 4.85748217e-07 7.35512276e-11 4.97252170e-11 7.89112318e-03
 3.14681503e-10 1.78703419e-09 1.34121672e-10 1.02882416e-12
 7.08742509e-11 1.00665526e-11]


0.99206597


58


[7.76264747e-11 4.79709819e-08 8.61741060e-12 3.30824604e-11
 1.23188974e-14 1.46943858e-13 2.99618539e-13 2.29759354e-12
 7.87006501e-14 1.70439246e-10 1.45620159e-14 6.41761366e-11
 2.69597700e-09 1.19897885e-11 3.16659676e-12 2.61083568e-11
 2.59755238e-12 3.84309311e-13 2.43704335e-13 2.10461548e-14
 4.99518378e-11 1.49935199e-14 2.36351234e-11 5.26011418e-13
 3.60271118e-10 3.63403340e-12 4.22248637e-17 4.46906907e-15
 1.57567345e-11 3.86223779e-12 1.78522225e-12 3.74527801e-13
 7.63517374e-11 1.60592817e-09 5.82283186e-15 3.28137067e-13
 2.01368117e-10 7.55121399e-12 5.19971739e-12 6.09631582e-16
 9.32153937e-11 8.46180239e-15 1.29551834e-14 8.34770197e-10
 1.99836946e-13 6.81187658e-12 3.51153351e-12 3.16591545e-11
 5.77330203e-14 6.90780034e-14 2.56603315e-11 3.84228153e-12
 1.03964840e-11 8.68835711e-13 4.71476462e-14 2.93919111e-14
 2.73954123e-12 2.15604596e-14 4.20986197e-07 3.93775429e-11
 1.54139704e-11 5.87746310e-11 1.81353113e-10 1.80783610e-10
 1.84452266e-14 8.60338201e-09 3.81064318e-08 4.04839113e-13
 1.40382720e-15 1.37998335e-09 2.47166252e-08 1.77634893e-10
 1.16352311e-07 1.79879169e-08 1.64662728e-11 9.99999285e-01
 1.43185819e-09 1.42632683e-10 2.02514592e-08 5.85066662e-10
 3.52458995e-09 4.16807110e-11 4.46591070e-10 1.45951891e-14
 2.65508075e-13 2.61625032e-14]


0.9999993


75


[4.16277152e-11 1.68428116e-07 6.91031043e-12 6.22814994e-12
 2.32773786e-16 3.45661694e-12 1.38016343e-11 1.40589373e-10
 2.78640522e-12 7.91250138e-12 4.41031462e-13 5.18984057e-11
 7.18836635e-09 3.85318860e-11 4.96405798e-11 8.45549394e-11
 4.41217826e-11 2.59246422e-12 2.50184530e-13 6.43724305e-14
 1.58624613e-10 2.79570009e-12 8.05654016e-11 2.52291833e-11
 4.37886571e-09 2.16953851e-11 8.04288954e-15 1.33259045e-13
 5.11156048e-12 1.54682894e-13 2.08294861e-12 2.68826384e-13
 3.44821671e-11 4.68225393e-13 1.07257356e-13 4.92277443e-13
 4.64089669e-11 2.17179356e-12 4.82236438e-11 1.33397838e-14
 1.75207002e-11 2.55842602e-13 9.80304119e-12 1.90596765e-08
 4.26779651e-13 3.58990233e-11 1.67326916e-11 8.08902511e-12
 1.21035181e-12 4.41449091e-12 8.60157431e-13 5.72290739e-12
 7.48341250e-11 2.01112738e-11 8.71972782e-14 1.97722199e-12
 2.72805888e-12 6.79681048e-15 1.93336149e-07 2.98845193e-09
 1.15372101e-09 2.45498361e-11 7.36072106e-11 4.64625050e-09
 3.34855754e-11 1.09857246e-09 4.62093703e-06 5.84273741e-10
 1.92554750e-10 1.27438773e-06 3.12954199e-07 1.79599510e-07
 1.35481002e-06 8.64576037e-08 1.19661933e-10 9.99991536e-01
 1.13295267e-08 2.36282038e-09 6.08631368e-08 3.10400905e-09
 1.19839825e-07 7.82077691e-09 6.53870558e-09 4.30973009e-12
 1.16635678e-13 5.15918037e-13]


0.99999154


75


[1.78488668e-09 9.99998569e-01 1.90035691e-13 4.10501190e-12
 9.41161138e-18 7.97380147e-14 1.07872573e-13 1.62173084e-08
 5.53344534e-14 4.98690455e-12 1.59171983e-16 3.01904779e-10
 1.77896684e-08 1.05639943e-13 3.93780425e-11 6.61520670e-14
 1.34897557e-15 5.43047519e-15 8.85959776e-16 9.37292183e-17
 8.61425223e-15 7.96061840e-16 2.37959202e-14 6.32149159e-14
 2.56057033e-11 1.39815590e-11 9.46328184e-16 4.18138714e-16
 1.25691002e-13 4.06282267e-13 3.99766390e-15 4.40377003e-14
 1.87921367e-09 2.79634878e-16 3.02679702e-14 5.97728408e-15
 7.91320189e-13 2.02171664e-16 2.36081510e-12 2.64475119e-18
 1.21563702e-13 1.24693711e-15 2.27669835e-14 3.26439746e-08
 1.95396604e-19 1.63805709e-13 8.30421022e-15 1.85167607e-15
 2.10597709e-16 2.58845158e-15 2.18648998e-15 1.48048498e-13
 1.19623170e-12 1.15432497e-10 1.22839878e-12 3.10756534e-14
 2.51383576e-13 6.71864310e-16 2.00952166e-09 2.88399929e-11
 3.08830609e-12 1.24004487e-11 1.64307769e-11 8.46068424e-11
 1.22125942e-12 2.22626764e-10 8.85458113e-12 6.34422324e-14
 1.41058592e-13 3.29124561e-10 1.15610091e-10 9.33863056e-12
 3.04402670e-10 1.07063221e-11 7.43697723e-15 1.40121892e-06
 5.74097392e-09 3.24594622e-11 1.54571248e-14 1.78639031e-11
 3.06934404e-12 7.18007088e-13 1.71475389e-10 1.48467867e-13
 3.19651684e-12 1.59400289e-18]


0.99999857


1


[4.8076405e-09 1.5392680e-10 1.7587526e-12 2.1641428e-10 8.3527438e-12
 1.8000404e-13 2.4350273e-13 4.4634679e-10 2.5895407e-11 2.7771462e-13
 1.6092206e-14 6.5663523e-13 2.7979816e-10 1.4527190e-12 7.6135289e-13
 1.2257237e-10 6.3539578e-09 1.1648133e-11 2.4039713e-12 2.5417242e-13
 9.7351077e-12 5.3103403e-12 4.2668660e-11 2.0834638e-10 6.5767088e-12
 2.0191130e-13 1.6376454e-14 1.9324763e-10 9.7424935e-10 1.0985545e-08
 9.8991482e-09 8.7632364e-09 4.5302440e-06 3.0743201e-09 9.5593244e-10
 9.2993275e-07 1.3062864e-08 1.1891916e-09 6.3689009e-07 1.0627362e-09
 1.0921543e-06 9.5368691e-10 5.8062040e-09 9.9998426e-01 9.1452929e-11
 7.9127849e-06 1.4003212e-08 1.8747723e-09 4.8003853e-12 5.3436689e-11
 3.0277384e-08 1.9380868e-10 1.2768839e-07 5.1484488e-09 5.4464138e-11
 2.8897531e-13 3.1663376e-12 1.2264094e-13 3.0836237e-08 1.1923605e-08
 2.2316307e-10 7.0679997e-11 2.1842530e-12 1.0071745e-10 8.1885783e-12
 8.2768785e-11 2.1382178e-12 8.7321730e-12 8.2053819e-13 3.3603443e-11
 7.2806700e-12 5.9549492e-12 2.9815170e-10 1.7601101e-10 6.7223456e-11
 3.0268779e-08 2.2947802e-10 6.4361196e-09 2.3012836e-11 2.4518263e-07
 8.3554539e-08 1.9937147e-12 5.1822804e-13 2.5119495e-13 3.3031694e-12
 9.3644120e-12]


0.99998426


43


[1.8273825e-11 1.1522316e-12 9.5566628e-15 1.1846109e-12 8.8054173e-12
 8.2918080e-13 3.2539188e-10 1.6875426e-12 7.8771448e-14 5.7973827e-11
 2.1260962e-12 3.3521925e-14 1.0559214e-10 1.4442690e-08 6.1766135e-12
 1.7611658e-10 7.9798182e-12 6.8288704e-09 1.8019800e-12 1.1370063e-12
 3.9166699e-12 1.7316115e-13 2.2218234e-12 2.7848980e-13 6.9483758e-10
 3.2669234e-13 8.7022610e-17 1.0480629e-12 4.3329638e-11 4.4061261e-12
 5.1856016e-11 1.1508561e-13 8.6748159e-10 3.9792219e-08 7.5209417e-14
 1.4093742e-11 2.8119436e-09 3.3145150e-11 7.3391085e-12 2.6740144e-13
 1.5079094e-09 1.8396283e-12 1.4992685e-09 2.8162550e-08 5.4269614e-12
 1.5669086e-11 2.2403687e-12 2.3800571e-12 1.5027266e-13 4.8647336e-12
 5.2515011e-12 3.7130134e-12 2.8538985e-10 2.0693494e-11 2.2619953e-13
 1.8868856e-12 4.6010786e-12 1.5189433e-11 8.4315161e-07 1.7703719e-12
 3.2452693e-08 1.9957573e-14 8.0952356e-09 5.2783025e-12 4.6026908e-13
 9.9999452e-01 1.9039533e-06 7.8180369e-14 2.4311740e-12 6.6528871e-10
 3.3702638e-11 3.2927846e-13 2.1511214e-06 7.9037471e-12 6.1013946e-12
 8.0744478e-09 1.1141478e-11 1.0876942e-09 4.6973518e-08 7.7245224e-14
 4.7384964e-07 8.7426903e-13 1.1240165e-09 5.7865780e-15 1.8249903e-14
 1.4181743e-13]


0.9999945


65


[2.6945327e-13 5.3721268e-12 3.6080736e-15 1.5157252e-13 1.6070268e-15
 2.7901702e-13 7.4570594e-10 2.1913237e-14 2.1984133e-16 4.7383226e-14
 3.2256821e-14 3.3979204e-14 1.4751731e-13 7.5971918e-10 2.9979239e-13
 2.2132463e-14 9.3068179e-14 4.6237704e-13 1.0509911e-15 4.6797685e-15
 1.6392588e-13 3.8156730e-14 2.3955191e-14 1.8505728e-15 3.0183293e-11
 1.9521459e-12 4.3035269e-17 3.2221739e-16 9.0600846e-14 1.6287302e-14
 6.8839531e-11 8.9387251e-15 1.6646676e-12 1.9466903e-13 6.1288770e-17
 1.3043877e-14 6.3785735e-12 9.8607233e-13 3.1757892e-13 4.5046933e-17
 1.7291796e-11 2.4773683e-16 3.2119687e-13 2.3269778e-10 2.0964159e-13
 3.9246891e-13 5.1438443e-13 5.0510997e-14 6.7407465e-14 2.4652678e-13
 3.8992142e-14 3.8871515e-12 8.8262661e-11 8.3822853e-12 5.8258185e-16
 1.5467757e-14 7.8230052e-16 6.3799873e-15 5.7768875e-07 1.1606926e-11
 3.0874666e-08 8.1937176e-16 5.0317852e-09 4.1904535e-12 1.2547339e-13
 8.0024125e-07 9.9999762e-01 2.2503329e-12 3.8208602e-13 3.1023976e-07
 3.9278815e-12 2.1694927e-12 5.0673151e-07 5.7018379e-12 2.8429177e-13
 1.1223267e-07 5.9498833e-09 2.3301153e-12 8.3038904e-10 9.8990606e-15
 4.8130535e-09 3.9073684e-13 3.6675822e-09 6.2400214e-15 8.2501017e-18
 6.1950287e-15]


0.9999976


66


[3.3912105e-12 2.8399988e-08 2.2536977e-11 4.5054767e-13 1.2251357e-16
 2.2009618e-15 6.8161754e-10 1.5974833e-11 3.1159689e-13 2.2490321e-13
 5.5557159e-13 2.1851672e-11 4.3741080e-10 2.9557064e-12 1.1082188e-12
 2.3057153e-13 1.3830096e-12 1.0585372e-12 1.4838029e-13 3.6027950e-14
 2.6997020e-14 2.9483978e-12 4.3474794e-12 1.0917837e-10 4.4153632e-11
 4.9821598e-11 1.3495337e-14 2.0471908e-15 5.4286225e-13 1.0707774e-13
 7.5582242e-11 1.2812333e-12 2.2506993e-11 1.8344611e-14 1.6015713e-15
 2.8630073e-14 7.5426346e-13 3.7062806e-13 3.2884904e-13 4.7259716e-16
 3.9743453e-14 2.3049455e-13 2.9353184e-12 2.4920099e-11 2.7637937e-13
 2.6912019e-08 2.5024386e-13 6.0531773e-14 1.9288696e-12 2.0422439e-13
 2.2861392e-14 1.7262858e-12 4.9815299e-12 1.9792957e-11 5.6272847e-14
 6.2941189e-13 6.9674854e-13 6.8498684e-13 3.5220467e-06 1.6297152e-07
 2.5728395e-09 1.4903604e-13 1.4045739e-09 3.3161667e-09 2.6311973e-12
 1.7724913e-10 1.6974242e-07 1.5156471e-10 7.0850653e-10 9.9999595e-01
 4.5668774e-10 1.5497339e-08 6.1196431e-08 7.4034767e-10 6.9789438e-11
 1.0249641e-08 2.5366644e-09 3.5112258e-09 2.8131447e-12 4.7102504e-12
 4.2021706e-09 6.9286112e-11 3.1454619e-09 2.1182479e-11 2.4745996e-14
 4.0283718e-14]


0.99999595


69


[6.26994512e-10 9.99997377e-01 1.32148554e-11 7.82184040e-12
 4.30732003e-17 3.49447237e-14 4.37447092e-11 3.40821167e-08
 4.15061967e-14 1.87499547e-11 3.13345672e-15 1.23410928e-07
 3.66420565e-08 2.03726515e-11 9.91929715e-12 1.11624712e-13
 3.21307972e-15 1.23859256e-14 9.19952404e-15 4.89429666e-16
 1.36895813e-15 1.23612388e-14 4.70994737e-14 1.28202960e-12
 2.49364787e-12 8.74401274e-10 1.06063687e-15 8.11247976e-16
 1.01628385e-11 2.21853647e-11 8.58908691e-12 8.05342251e-11
 4.40581749e-09 1.12986555e-14 6.67439431e-15 3.79262337e-16
 9.18870015e-12 2.06924948e-14 4.61272557e-12 3.27175244e-17
 2.22843675e-13 5.05443330e-14 4.36780776e-12 1.47552123e-10
 5.30653394e-15 1.36809126e-06 1.79150348e-14 2.46043568e-15
 5.03969493e-14 2.75507617e-13 2.15797551e-14 1.39094181e-13
 1.59915223e-12 3.62646191e-10 2.62968727e-11 4.47052334e-13
 6.44503851e-12 1.80357641e-13 2.95772420e-08 4.24446450e-10
 1.36277420e-10 4.94224236e-12 1.94086192e-09 3.84229801e-11
 1.41328803e-13 8.44108949e-11 1.40287972e-11 1.28835386e-12
 1.44285009e-11 9.08058951e-07 1.00661572e-13 1.01567290e-12
 3.32386065e-08 3.36393912e-12 1.18045222e-13 1.19103682e-09
 5.70253320e-08 3.22710358e-10 1.11298845e-16 5.84083509e-13
 4.76485552e-11 6.20964055e-14 3.18250137e-09 6.62664585e-12
 5.44221716e-11 1.33465087e-17]


0.9999974


1


[8.51577420e-11 4.18752755e-10 5.21249599e-10 7.22270225e-13
 4.11983070e-14 3.70493296e-16 3.65525925e-12 1.52038793e-09
 4.12004675e-12 1.15844780e-12 5.45036767e-14 8.06335762e-11
 2.25517982e-09 2.64559034e-12 8.09843627e-15 4.96102161e-12
 8.42491424e-11 2.49543740e-13 1.98482872e-13 8.78178603e-15
 3.87302867e-14 5.25195772e-13 4.69102058e-12 5.28010621e-11
 1.84174426e-13 1.76487275e-12 1.41362802e-14 1.83156251e-11
 3.93975547e-11 1.91350352e-10 3.38058697e-07 1.24847590e-08
 1.10432939e-06 5.40727241e-10 6.93315251e-13 8.62919371e-12
 1.08041125e-10 1.47746815e-10 5.37475897e-10 1.69231892e-12
 5.07997915e-11 9.03769148e-09 1.95502992e-09 4.97541464e-07
 7.88062740e-11 9.99996185e-01 8.02537811e-12 1.05967327e-11
 7.55059990e-12 1.39889753e-10 5.02900521e-09 1.12525813e-13
 1.52948806e-10 8.01033795e-10 3.28046748e-12 6.41946023e-13
 2.25889273e-11 1.51119551e-11 3.03128633e-09 5.24999511e-09
 1.06058377e-10 2.81108058e-12 1.19621868e-10 7.02428393e-11
 3.85425165e-14 3.29653568e-13 1.56881843e-12 4.53632618e-11
 8.37030261e-13 1.06802781e-06 1.62863141e-14 3.48838493e-12
 6.37649407e-07 1.31691142e-12 1.18499542e-11 1.69570677e-10
 7.64404262e-10 1.49239288e-08 8.25255413e-16 8.28083019e-11
 6.72963267e-08 2.95667543e-13 7.66766164e-12 4.18396498e-11
 9.32480872e-13 1.53138769e-11]


0.9999962


45


[8.58854546e-13 7.99535264e-12 6.20370292e-13 1.64105688e-14
 2.75723010e-15 4.90016929e-14 1.09577391e-11 1.17008738e-13
 1.07738144e-14 1.27593856e-12 8.33364072e-14 8.07080802e-13
 3.06227179e-12 9.64609015e-09 4.89832851e-14 7.60927616e-13
 1.74319245e-13 5.82243195e-12 1.01796135e-13 1.82896538e-14
 1.43141826e-14 9.56623696e-14 4.57471382e-14 1.98216077e-13
 4.92294122e-11 3.55300696e-13 7.96568114e-17 1.38451508e-14
 4.33122153e-13 2.06028011e-13 2.66997180e-09 6.07668484e-13
 7.53661508e-11 8.25129687e-11 2.92594231e-17 6.72838673e-15
 8.70736760e-10 1.00046469e-12 9.79212696e-13 7.21030073e-16
 1.79282648e-11 5.10345759e-12 2.04754036e-09 2.27994276e-10
 3.67566356e-13 1.04871070e-07 3.35852938e-12 7.66366354e-13
 5.56654264e-14 2.38098625e-12 2.35427807e-13 3.99247921e-15
 8.25247249e-12 1.22042014e-12 1.23281859e-14 1.32225676e-12
 3.38661255e-13 3.17037611e-11 2.57034770e-07 1.16062357e-12
 4.14802770e-09 9.91451324e-16 1.81599376e-07 6.70573319e-12
 1.34203498e-15 1.00283205e-06 1.07342252e-07 4.63346199e-14
 6.01441504e-14 2.65883727e-07 4.02296008e-13 1.52268199e-14
 9.99997735e-01 2.67762245e-12 3.01259831e-13 1.27169608e-09
 1.39704854e-11 7.71578287e-11 8.43904373e-12 4.88020415e-16
 2.18005297e-07 8.35147788e-14 4.97393904e-10 5.27515137e-15
 3.53527878e-15 1.59708994e-15]


0.99999774


72


[3.03139909e-11 9.59356134e-17 7.22218196e-16 1.24377969e-15
 1.26317983e-13 1.18454262e-16 5.64263398e-14 1.90293033e-14
 1.01287485e-11 1.14024250e-11 6.45857337e-14 6.06994178e-14
 2.20170982e-11 2.09288351e-11 8.28761647e-13 9.56189503e-11
 2.00073660e-12 2.85170596e-13 2.16404951e-13 5.40102258e-15
 3.10084396e-14 8.41503601e-15 2.80658569e-12 5.17214882e-10
 1.30330723e-13 6.99475022e-15 2.38330324e-13 3.76105831e-13
 1.34296968e-12 1.92630373e-12 2.25045014e-08 3.30505371e-13
 9.59236440e-11 2.63763233e-10 1.04228388e-11 4.96977494e-11
 1.02713671e-12 5.60592459e-14 9.40565181e-10 2.35280458e-11
 1.14277459e-11 1.63657143e-11 1.60379418e-11 4.28449387e-10
 1.48392146e-10 1.98723438e-09 2.66276215e-12 5.28024239e-13
 9.69862465e-15 1.01730083e-11 2.06105324e-11 5.14610844e-15
 7.20635465e-13 1.92850750e-14 4.87584479e-15 3.46403830e-12
 1.01408443e-12 1.81957054e-11 6.99673930e-11 5.06629461e-12
 3.92608435e-09 1.40839421e-13 7.83009835e-09 2.36565646e-11
 6.69374292e-14 1.01317302e-10 4.25104559e-14 1.27488515e-13
 1.84192619e-10 3.87733068e-10 3.90336804e-14 1.22540760e-08
 5.39495115e-10 2.55807832e-12 1.61427016e-09 2.39214083e-11
 3.13491372e-10 2.78230790e-08 2.88842925e-11 6.72910555e-12
 1.00000000e+00 2.38253740e-11 5.07256489e-14 6.89285760e-13
 7.06435670e-13 9.20984534e-13]


1.0


80


[2.6951047e-06 1.0412842e-12 1.7444415e-16 1.2817016e-11 1.2644336e-13
 1.0855078e-13 9.8027350e-12 1.0143827e-12 2.2194393e-12 8.3304974e-11
 3.0469277e-12 1.5492366e-10 3.5579959e-12 2.4892385e-10 3.9089447e-09
 1.6709120e-10 2.7815872e-12 3.7747096e-08 1.2837623e-10 2.4785185e-09
 4.9295924e-13 1.1521334e-11 9.0785582e-12 9.3233865e-10 8.0110207e-12
 4.9756387e-11 3.0492883e-12 4.4128189e-13 5.2618261e-09 3.7344117e-07
 1.8268070e-08 1.1599246e-13 1.5389325e-09 6.8423316e-11 9.6390014e-12
 9.4602415e-10 8.4395446e-13 8.0867896e-14 1.0432798e-09 1.2166755e-10
 1.7011929e-07 2.9881117e-14 8.3446666e-11 2.7399494e-10 1.3443349e-10
 2.3812922e-12 3.4958494e-10 9.8767511e-13 2.7061170e-14 4.0193733e-13
 1.0289860e-12 3.3530094e-15 7.3592171e-10 7.5155117e-13 1.2450827e-12
 6.1318793e-12 1.6849898e-11 5.2095731e-11 2.0518532e-06 3.7354073e-10
 1.7897300e-06 3.9805298e-11 9.9999273e-01 1.6872660e-08 2.0715976e-10
 1.0837775e-07 2.6746435e-12 5.0772006e-15 4.7705052e-12 2.0219945e-08
 9.6785145e-13 1.8599963e-09 2.9401210e-09 9.0262348e-10 4.6098263e-09
 4.3120265e-13 5.7756766e-10 2.0339565e-10 3.4067882e-10 2.4982160e-12
 6.3876499e-08 4.3387923e-12 1.5291700e-11 5.1115792e-11 1.2109693e-09
 2.0599689e-15]


0.9999927


62


[9.99999285e-01 1.55970618e-11 3.10534720e-13 2.06421876e-11
 2.62014417e-15 1.97652152e-15 1.13209023e-13 2.57719540e-12
 8.56821780e-10 4.98753150e-10 2.07368641e-14 6.36785347e-11
 2.73364296e-12 1.87418535e-13 7.27712512e-09 1.19189183e-08
 5.82147481e-12 2.58505550e-10 1.18495378e-11 2.83080087e-10
 4.80337861e-12 5.34403207e-12 1.55699911e-10 1.06452589e-08
 1.37370164e-13 7.93579352e-12 3.17967076e-11 1.53410748e-12
 1.53863216e-08 6.83029953e-08 2.99666283e-07 4.44323831e-12
 1.92462313e-09 1.54002677e-08 4.85823648e-09 2.42135183e-08
 2.55033380e-13 7.09680470e-13 4.26058344e-09 9.90707516e-10
 2.19246203e-07 1.25589068e-12 2.61046111e-12 1.63945482e-10
 9.91351012e-12 1.78155803e-13 5.46501011e-10 3.68456437e-12
 3.76078122e-14 3.39601462e-14 7.34234982e-12 1.26462400e-15
 8.99528896e-10 1.56478281e-12 1.03134778e-10 1.13107917e-11
 5.66130996e-11 1.75410554e-12 1.54886853e-10 1.41485790e-09
 6.21852170e-09 2.14973483e-10 5.63250779e-08 1.89807170e-10
 2.98037740e-11 1.32956320e-11 7.17601654e-15 4.40904070e-15
 2.44989012e-11 1.20871801e-09 1.35546843e-11 3.33025092e-08
 2.19863000e-13 5.67733016e-09 8.99368047e-09 1.07086117e-12
 4.80903317e-09 1.58491726e-08 1.53996438e-09 2.96813546e-11
 2.33646458e-09 4.63267662e-13 1.58807017e-12 1.11659544e-11
 1.86692617e-08 1.52134815e-15]


0.9999993


0


[2.12807876e-07 5.65627579e-12 4.17838420e-12 1.61498614e-09
 7.39468903e-11 7.67381465e-08 5.85492932e-10 6.22058561e-16
 1.11090026e-10 9.69168079e-11 6.55993385e-11 1.22629351e-10
 1.59456703e-13 3.54101681e-09 3.60388043e-07 3.15764082e-11
 1.64198904e-10 8.11524448e-09 3.52662968e-11 1.66037655e-08
 4.71910899e-10 2.85987389e-09 1.54453528e-09 6.23939389e-09
 8.02084441e-11 2.30671887e-07 3.27795462e-13 4.35505321e-12
 1.38866794e-08 2.74820877e-07 7.58121121e-09 9.41273548e-09
 8.01364183e-11 3.51348728e-09 1.24580849e-11 3.03427669e-07
 2.35278663e-09 1.09009498e-07 4.47671528e-06 8.72993695e-08
 9.99701440e-01 8.76956765e-13 8.24537993e-10 7.82749510e-08
 1.20443557e-08 1.74884204e-10 6.80028279e-06 1.28207809e-08
 1.27929289e-09 4.83549763e-11 2.49832828e-11 8.38369651e-10
 2.84859008e-04 3.18791499e-12 6.69580502e-10 3.39008439e-11
 5.07645776e-15 2.24617091e-13 2.42410152e-07 1.42975548e-10
 7.29126259e-10 4.63387922e-12 2.50307295e-08 1.73652781e-09
 4.70183614e-12 2.55834265e-09 5.59732172e-09 1.39871068e-12
 5.99081711e-13 2.03380243e-10 2.80350257e-11 2.28976191e-12
 6.99604508e-09 2.58995470e-07 2.97251529e-10 1.74139925e-10
 3.92304453e-11 1.16787812e-11 2.30864998e-08 2.76879995e-12
 8.26986396e-12 5.03245340e-13 1.90946824e-11 5.83607530e-14
 8.98813413e-10 8.64938970e-15]


0.99970144


40


[8.25519919e-09 4.44707104e-10 6.85183533e-16 1.38002301e-11
 1.21964645e-15 2.09918394e-08 1.15606545e-10 2.38722091e-17
 4.03273525e-13 3.42912439e-13 5.25016922e-12 6.93928378e-12
 3.87440861e-12 1.16064332e-10 3.47565020e-07 6.24791424e-14
 1.22308912e-12 3.54113960e-11 3.12610771e-10 5.92257576e-10
 9.70047931e-11 2.09350503e-07 1.55755842e-11 4.97914432e-10
 5.14859474e-11 9.99994636e-01 9.81686537e-15 6.83411423e-15
 1.61867053e-09 1.18519139e-09 5.36818582e-13 1.02384507e-12
 3.36154576e-11 7.83475661e-14 1.57389659e-15 7.61424723e-13
 7.17619540e-13 2.89968015e-11 8.17367674e-10 9.89313449e-13
 4.71845942e-06 2.73402347e-14 2.93845569e-13 2.53695009e-10
 5.04379728e-14 4.29820466e-14 1.31835642e-09 1.96292392e-11
 6.04839312e-13 4.40483594e-14 7.14357975e-14 4.41728015e-10
 6.51488961e-08 1.50877222e-13 1.59588853e-11 2.35269974e-13
 7.72179058e-16 8.21293469e-17 7.84437670e-09 2.15587791e-12
 1.15772418e-11 1.54239617e-14 3.37886163e-08 2.77105200e-10
 2.74434236e-14 2.33766978e-10 2.90405422e-10 8.09157293e-14
 2.76185477e-14 3.02612948e-12 7.05307327e-14 1.46317897e-12
 1.75584977e-10 9.46378739e-12 1.87431364e-12 1.31875877e-09
 1.33601073e-12 5.64960091e-15 1.52841917e-09 9.58569060e-15
 2.85700147e-15 2.16644872e-14 1.19614952e-12 5.40240765e-14
 6.24384919e-11 9.96680343e-18]


0.99999464


25


[1.63330094e-09 2.74520478e-13 1.81498631e-12 1.64299147e-11
 2.87009250e-10 2.07084919e-10 3.99224299e-11 2.69172523e-15
 1.67022375e-12 1.03925560e-12 2.02939922e-12 3.20619616e-13
 8.03010523e-12 4.32137277e-11 1.01594458e-06 6.81668957e-11
 5.25328289e-07 2.27395902e-09 3.78122400e-06 3.05733469e-04
 4.84676335e-08 9.99684811e-01 9.96577043e-10 3.22101960e-06
 6.68773552e-08 3.37072081e-09 1.44333406e-12 3.19171924e-12
 8.28635223e-08 2.18377608e-10 2.56398878e-11 1.11419846e-10
 2.34429809e-10 1.93271840e-11 6.41209308e-12 9.93531390e-09
 1.10158160e-09 1.36991063e-09 2.90563196e-09 2.11417261e-09
 2.39929790e-07 1.48841728e-09 1.22044952e-09 1.13346466e-09
 6.16015225e-11 6.04612527e-10 1.37461216e-08 4.96385212e-07
 4.44560000e-10 1.21886594e-12 7.71962008e-12 2.07766894e-11
 2.38305664e-09 1.76875806e-11 2.32505092e-11 2.28123510e-13
 3.89754079e-14 1.62073005e-16 1.02656761e-09 1.71823823e-11
 4.17717701e-11 2.51883421e-13 2.14891938e-10 9.73211420e-13
 2.67716649e-13 4.94942455e-11 1.87899296e-09 7.79504846e-12
 1.92708263e-11 1.25491992e-10 8.13139660e-12 9.23444806e-13
 2.92014676e-11 1.06081421e-09 2.95015512e-10 2.98654643e-11
 4.86537980e-12 2.68998311e-13 5.19227612e-08 1.44105519e-10
 4.60985688e-13 4.08537475e-14 3.11845653e-11 1.44511412e-15
 2.46500310e-14 6.20043730e-13]


0.9996848


21


[8.09277481e-08 2.45657645e-07 2.70228913e-12 2.22667218e-10
 4.36314790e-10 1.39533329e-10 1.62551111e-10 2.24687809e-13
 6.27952117e-13 3.35316531e-11 1.00011992e-10 1.52664636e-08
 1.47718925e-12 1.46052406e-10 9.99997139e-01 6.01083072e-11
 1.04993629e-12 1.07094986e-10 6.01098593e-09 5.78851207e-08
 8.55340174e-11 1.14792329e-06 3.08826326e-10 5.15226247e-07
 3.64737929e-08 3.90841080e-07 8.60904975e-15 3.27966651e-14
 2.91418672e-07 8.98148933e-09 2.35460902e-13 1.54886139e-11
 2.25174549e-11 2.64040547e-12 1.35306568e-15 3.02041274e-11
 1.45399350e-12 2.44025807e-12 1.16889956e-10 1.37008710e-10
 1.16616550e-09 7.19485235e-13 1.34891081e-13 3.25014959e-10
 2.17851639e-14 3.24908476e-13 2.57059596e-09 6.54105589e-11
 4.39484863e-12 1.06054468e-13 3.68735289e-13 9.60604101e-13
 1.16705334e-09 2.34959350e-13 1.15226877e-10 2.14902002e-11
 3.29906230e-16 3.92230941e-16 1.13877341e-09 1.28380223e-10
 1.19768258e-11 6.56899231e-13 6.72976386e-09 1.09661802e-11
 1.07069091e-13 2.79266471e-10 3.54059455e-11 3.94959618e-13
 6.61353784e-12 6.06978356e-11 2.23174235e-12 3.98924990e-11
 4.00106309e-10 1.65208583e-10 5.24664132e-11 1.66752070e-08
 2.40979567e-12 2.84539246e-15 1.84695523e-10 4.32582963e-12
 4.58080373e-15 3.60498008e-13 5.52968739e-12 5.59910191e-14
 2.62287025e-10 2.13621908e-16]


0.99999714


14


[1.87922353e-07 5.49773497e-13 1.19798416e-11 3.35040177e-12
 5.93613630e-11 5.90472292e-14 1.96720808e-12 2.75145100e-14
 1.56598674e-07 1.43524470e-10 1.62149096e-11 1.41702830e-10
 8.66288014e-11 9.52349397e-12 5.37912115e-07 1.07845537e-08
 2.68033968e-08 8.97991370e-09 3.74903708e-09 4.82884661e-06
 8.72437766e-08 7.00804276e-06 1.28640124e-07 9.99985695e-01
 2.41588918e-08 5.63402311e-11 4.91619678e-09 3.32881167e-10
 1.32981782e-07 3.17463922e-08 1.98781347e-08 4.71066102e-08
 5.24374266e-10 2.02470693e-10 1.73351322e-09 3.38382847e-07
 2.98030281e-11 2.14281726e-09 1.38360168e-09 6.14897488e-07
 1.93856375e-09 1.90365568e-09 5.51882672e-11 6.00659036e-11
 1.20400323e-09 1.92355645e-11 5.13620826e-08 9.92788429e-09
 2.81597495e-10 4.10090581e-12 1.45811363e-10 4.96434653e-13
 3.70966424e-10 1.15038395e-11 3.10904524e-09 1.02399178e-09
 3.19391145e-11 1.54070576e-11 1.73086345e-09 4.12464107e-09
 3.90224253e-09 4.17549433e-11 2.24512187e-09 3.33467594e-11
 1.75907999e-09 2.50392307e-12 7.83032818e-13 4.27637006e-12
 1.62427766e-10 1.02007257e-11 1.01624481e-11 9.47613585e-11
 7.39273605e-13 6.95103530e-09 2.61624633e-09 3.25376271e-12
 1.07074705e-11 4.83258182e-12 4.09065226e-10 1.37859208e-08
 4.04906594e-11 2.15590896e-11 9.42203469e-14 2.83146683e-12
 1.55051239e-09 5.59342557e-13]


0.9999857


23


[9.99971032e-01 1.72238248e-11 5.78129378e-10 1.03394179e-07
 8.07276728e-12 1.08617698e-11 6.54200791e-11 7.08694605e-13
 2.12759099e-09 1.44777568e-09 2.88194163e-10 8.12653833e-10
 1.25082551e-12 2.24782259e-09 5.53065888e-07 5.24691224e-08
 4.44944570e-09 1.34721154e-06 1.52248536e-09 7.53751522e-07
 3.34391785e-08 3.30341421e-09 6.37121786e-08 1.62032065e-05
 1.66914703e-07 8.28890220e-11 5.51355361e-09 6.08855952e-11
 1.60764895e-08 2.75782497e-07 6.88000128e-08 4.64486183e-09
 3.97305966e-09 6.41062092e-10 2.67309161e-08 2.85659667e-07
 8.92490682e-12 5.22167110e-09 4.71521753e-06 1.87889668e-07
 6.70994282e-08 5.11577898e-11 7.57223839e-10 6.15123597e-09
 2.51702925e-09 2.87137675e-12 6.11047497e-08 4.51923832e-09
 2.11442613e-10 2.98885753e-13 4.10639647e-11 8.45486528e-12
 5.36376055e-09 8.51250233e-12 3.02346681e-09 2.38779219e-10
 4.90412259e-11 8.29310405e-12 1.52691626e-07 4.60959058e-07
 3.80901710e-08 2.27935143e-10 7.11511859e-07 6.84223900e-10
 7.16179272e-07 2.26837233e-08 7.15785209e-11 3.93673782e-13
 7.89906252e-10 1.22136734e-09 3.42446270e-07 2.29658903e-10
 1.20382124e-11 9.81307338e-08 4.73204897e-09 1.92486079e-11
 6.58815391e-10 3.88469745e-09 1.40529289e-06 6.35488537e-11
 4.78218576e-10 1.25926125e-12 1.27782979e-10 4.32371017e-13
 9.57590487e-08 1.22550754e-12]


0.99997103


0


[1.6029248e-06 9.8953233e-12 9.4560427e-12 1.9644447e-06 3.8041786e-10
 2.0430987e-08 1.8220744e-11 2.5855831e-15 1.6180200e-11 8.2648451e-11
 1.3720372e-09 5.8447788e-11 9.9213227e-13 7.7457063e-10 1.7797364e-08
 4.6006116e-12 4.7508898e-12 7.8918703e-09 2.5799465e-12 7.0462802e-10
 3.1013525e-10 2.3332716e-10 8.7005345e-09 8.7619689e-09 3.3051592e-10
 1.3052465e-07 2.6699545e-11 9.6417561e-12 9.2341594e-08 6.0262360e-09
 8.9120453e-09 1.0586257e-09 4.3844683e-09 2.2254493e-08 1.8603024e-11
 2.4968849e-09 4.7434561e-12 4.4392063e-09 9.9996173e-01 3.6587608e-08
 2.2643542e-05 1.6187421e-11 7.6878631e-10 4.6255218e-06 8.6899993e-10
 4.7005608e-11 1.4181924e-06 4.9480535e-09 7.0099621e-11 1.4179803e-11
 3.6545341e-12 5.8104016e-10 5.5551332e-06 2.1588148e-12 4.6172660e-10
 3.7366273e-12 6.9547666e-13 2.0212202e-14 5.3756705e-10 2.2403263e-11
 1.3319875e-08 1.3375540e-10 4.5408083e-08 2.8948135e-09 1.2158711e-08
 9.2869400e-11 1.0702131e-11 9.7335844e-13 3.4076686e-11 3.6157945e-13
 3.6299314e-10 5.2293667e-13 3.3863714e-11 1.7978709e-11 3.6345657e-10
 3.5111154e-11 8.5058058e-11 1.0297303e-11 3.4679449e-08 5.5793656e-13
 3.1564906e-09 3.8489272e-13 3.3673196e-11 3.4536228e-11 1.4277689e-08
 1.6885947e-12]


0.99996173


38


[6.13096915e-08 3.73542169e-10 2.73964972e-15 1.71386638e-08
 1.51906872e-14 3.31485559e-08 6.59303038e-12 6.99769917e-16
 3.62403553e-12 5.46231029e-13 6.77844933e-11 2.83369140e-12
 3.11164918e-12 3.72116227e-11 6.17475093e-09 2.50424393e-14
 2.01895317e-13 2.73514572e-10 1.30465213e-11 3.52713442e-10
 4.80606284e-11 1.02318740e-08 5.86209553e-12 7.10737233e-11
 6.26360283e-11 9.99998569e-01 1.30439088e-11 1.35016632e-13
 2.87057453e-08 1.05870912e-09 1.50456758e-10 2.71359909e-12
 7.31615746e-09 1.13195731e-10 8.35200398e-12 5.49301880e-12
 8.04115550e-14 1.74509521e-11 1.25784743e-06 1.51678753e-10
 2.95644753e-08 2.14072943e-12 1.72384659e-11 1.75457302e-08
 1.60404106e-13 3.10144874e-14 1.17286580e-09 3.37141530e-11
 4.69736186e-12 1.08119338e-13 1.25789339e-13 2.81412615e-10
 1.86551876e-08 3.87299595e-13 6.18735063e-10 1.24515592e-13
 3.43384566e-12 5.33776489e-15 9.93825161e-11 1.48450872e-13
 1.38214362e-11 1.07365007e-12 2.76416117e-08 1.70392733e-09
 2.08298223e-09 1.82404699e-11 3.03113681e-13 8.09478420e-14
 8.54226204e-11 1.32120529e-14 3.48378180e-14 1.42814265e-12
 3.98780618e-13 7.61506147e-13 3.22919751e-12 2.46027469e-11
 2.77940106e-13 6.07984834e-15 1.30139521e-09 2.15948526e-14
 6.47313203e-13 1.10374415e-14 2.32715084e-12 1.96816619e-10
 1.71647034e-08 4.55203076e-16]


0.99999857


25


[1.38534242e-05 1.58257237e-07 4.22235047e-07 3.22877531e-06
 9.63852817e-11 3.36774164e-09 3.98429334e-09 6.16653111e-08
 1.09277818e-04 8.36701730e-09 1.99288086e-11 1.74624034e-07
 1.36757399e-05 4.45399939e-09 2.61740252e-09 4.13824324e-07
 3.45163556e-07 8.44172575e-07 2.07262314e-08 4.03050166e-07
 2.72710082e-07 1.19388733e-06 1.81759759e-07 9.87060594e-06
 6.79420324e-08 3.30749685e-08 6.76148420e-06 3.01742801e-07
 1.82229102e-01 2.00086534e-02 5.46030253e-02 5.01861095e-01
 3.43497433e-02 1.70977339e-02 1.88638762e-01 5.97457347e-06
 1.35408038e-06 8.37717107e-06 8.36789695e-05 4.65985286e-05
 1.16148867e-05 3.32089076e-05 1.46913965e-06 1.24826129e-05
 9.32464332e-07 5.25014957e-06 1.69863139e-04 1.57828210e-04
 2.60257661e-06 5.25722363e-08 2.19442645e-05 3.99036981e-09
 6.03592161e-06 2.56811905e-09 1.75316927e-06 5.20066479e-08
 2.05267424e-05 2.74174890e-05 2.43656505e-05 7.01417230e-05
 3.40514634e-05 7.36719885e-05 1.06781532e-04 2.97814722e-07
 3.29434079e-05 2.28045085e-08 1.01007727e-08 8.47123829e-08
 3.27101390e-07 4.51965718e-08 2.74222089e-06 4.33640110e-08
 1.33912192e-06 8.81042979e-07 4.36055558e-07 6.52336585e-09
 2.69614175e-05 2.15407454e-05 4.11152286e-08 2.73748501e-05
 4.24749572e-07 1.21166055e-08 1.13998784e-08 1.04881383e-06
 5.58844613e-06 2.34270203e-08]


0.5018611


34


[9.90182936e-01 4.79119881e-05 6.05351502e-08 5.05368480e-05
 6.46496853e-13 1.66289593e-09 1.36160572e-09 1.52976395e-10
 2.41993758e-09 7.57784413e-09 3.61599950e-09 7.52107280e-06
 4.10457848e-11 2.66727285e-09 4.66471010e-06 7.28918650e-08
 4.76464868e-10 5.70767700e-09 2.71558137e-10 3.44310713e-09
 1.73844716e-09 1.85452376e-10 8.84642668e-06 1.14720386e-07
 9.24611498e-09 3.05287564e-08 3.33790252e-11 6.67816358e-11
 2.19235297e-09 2.78359181e-07 3.90054655e-09 7.18741049e-08
 6.07229538e-08 7.83226872e-10 1.08506626e-08 1.23619537e-09
 1.49775414e-10 5.98729226e-12 2.00425667e-08 1.31777178e-09
 1.97790029e-09 1.03815238e-11 1.69069009e-10 5.97377507e-08
 6.19285092e-12 2.35601707e-12 8.65306902e-08 2.36724551e-09
 6.28288003e-12 1.78657458e-12 8.22023768e-11 1.98336833e-11
 3.20234754e-08 1.14102762e-10 5.53658253e-07 1.91320917e-11
 6.12089698e-13 1.35814363e-12 7.33978434e-09 3.08948984e-06
 6.67686850e-10 5.45785959e-08 5.32881813e-07 3.06006220e-09
 6.70493161e-10 3.75042006e-08 2.14720932e-11 2.36496304e-12
 1.04736197e-09 5.34869514e-07 9.66001768e-03 3.07131991e-08
 4.26739843e-09 9.44823171e-08 2.99964640e-08 5.09620747e-07
 8.28276328e-08 1.57920805e-08 2.96384588e-08 6.21890139e-09
 1.04426801e-09 7.81215301e-11 4.55120173e-08 2.82792834e-11
 3.08388953e-05 2.25618027e-13]


0.99018294


0


[4.56442649e-06 2.69226057e-05 1.15060784e-05 1.51125237e-01
 1.98287129e-08 1.24450598e-05 1.45298566e-06 1.87730990e-07
 1.06768459e-02 5.72275094e-05 1.61257873e-07 2.78183802e-06
 9.70326873e-05 1.87065125e-05 6.78837887e-06 1.35722445e-07
 4.92788843e-07 8.80598179e-07 6.37454150e-07 2.45894284e-07
 9.67974643e-07 8.33570155e-08 2.56699309e-06 4.87414991e-06
 7.32801340e-08 7.60953990e-05 8.36922118e-06 1.15903549e-06
 2.05572899e-02 5.58641367e-02 6.39986014e-04 5.06619096e-01
 5.75930020e-03 8.84066336e-03 7.24832043e-02 5.12948900e-05
 1.88383254e-07 2.98971531e-06 3.13509736e-05 1.43725601e-05
 7.64513170e-05 1.09334314e-05 3.22670826e-06 2.94278434e-04
 3.41542341e-06 8.64043670e-07 1.07225474e-04 7.48544153e-06
 1.08449990e-06 1.88941476e-06 1.40679540e-05 2.73600908e-05
 1.66214704e-05 5.35532345e-05 3.75633391e-07 9.56476697e-07
 4.77384638e-05 4.54378824e-06 9.43826744e-04 1.94219261e-04
 1.22096762e-03 1.37005389e-01 2.38124956e-03 3.65025178e-03
 5.11777215e-03 1.14775762e-08 1.48240858e-07 3.75325590e-06
 5.03677029e-07 4.33770452e-07 7.29710564e-06 1.81249629e-06
 2.42931073e-05 3.07972482e-06 3.04557416e-05 5.88628463e-04
 4.06618085e-07 9.50136325e-07 7.10749703e-07 8.07305187e-05
 7.83528412e-06 1.02549466e-05 6.69890483e-07 3.45635126e-05
 1.50152054e-02 1.48057325e-07]


0.5066191


3


[9.0912209e-07 1.7982634e-08 4.0677341e-09 1.0519538e-07 7.6724076e-09
 1.2503093e-09 2.3319322e-09 3.2458468e-07 8.4325615e-03 1.0024548e-08
 2.2727030e-11 2.7499661e-07 1.4157394e-05 1.4396855e-08 5.8135993e-07
 9.2789271e-08 1.4616624e-05 5.0134771e-05 1.7697725e-05 2.9788887e-07
 2.0474431e-08 8.3658335e-08 4.4756473e-07 4.2801544e-06 4.2941797e-09
 4.2025071e-08 5.9745764e-07 1.6260628e-07 5.5986242e-03 5.2592577e-04
 1.7978273e-03 6.3042395e-02 5.2615781e-03 9.3365677e-05 9.1492105e-01
 4.2117657e-07 1.5787812e-07 1.5415255e-06 2.8107490e-06 3.3071774e-05
 3.1244804e-06 4.8988295e-07 6.7307860e-07 4.1385806e-06 3.3714565e-07
 3.1071843e-07 3.4232988e-05 4.7060300e-07 4.2772527e-08 8.3384606e-09
 5.1375077e-06 1.6445542e-09 7.7643620e-08 5.5160837e-10 8.2032369e-07
 2.1062994e-09 1.5510859e-06 1.4904838e-07 1.6406499e-06 4.7828735e-06
 2.3071509e-05 1.4357731e-05 5.2691422e-07 7.4245321e-09 5.1436359e-06
 2.5338451e-08 2.9645947e-10 1.8465910e-08 6.8476488e-08 4.0706674e-09
 2.1917022e-06 3.3181028e-08 3.7007098e-07 1.1357416e-06 7.0847044e-08
 1.6427492e-08 8.6522152e-07 1.5085401e-06 9.6724828e-10 2.2391998e-05
 4.9866614e-08 7.2140313e-07 1.0513724e-10 2.7120903e-08 5.3137719e-05
 1.1430447e-10]


0.91492105


31


[6.02420987e-05 5.56085142e-05 2.40297027e-07 1.25908270e-01
 2.88973325e-07 3.44346176e-07 2.03116968e-09 7.52441842e-09
 9.49685912e-08 1.94299241e-06 1.13239267e-07 3.27601185e-07
 3.17149396e-09 5.19617060e-07 7.58131573e-05 6.86287763e-07
 5.80863606e-08 5.07473658e-07 2.61360100e-07 1.12352559e-07
 3.84576033e-08 2.22718739e-07 8.71919513e-01 1.40563930e-06
 2.21202740e-07 1.71856072e-07 6.39683773e-09 1.19064998e-08
 1.01524165e-05 5.99793992e-08 2.93435711e-08 5.25791336e-07
 1.66208486e-06 4.89138620e-06 1.05111930e-07 5.51543202e-08
 2.68988742e-09 2.61880906e-10 4.39935548e-07 3.22471614e-08
 3.71906481e-07 7.24657578e-09 1.79040036e-08 3.24895918e-05
 1.32190712e-08 8.29279631e-11 1.09044458e-05 1.90628683e-07
 4.18019452e-10 9.45181822e-10 4.81906604e-08 6.12592927e-08
 9.66621769e-07 5.02994837e-08 2.48694477e-07 1.35153133e-09
 2.20221302e-12 5.88973384e-11 3.51407507e-05 2.49020945e-06
 2.12279900e-07 2.90158314e-05 4.52055559e-07 1.59565775e-06
 6.61490551e-09 4.99106934e-09 4.64095876e-07 4.81027529e-09
 3.46800388e-09 3.18383115e-07 1.82499958e-03 1.02647881e-08
 1.01238800e-06 1.06625612e-06 1.38598375e-06 2.12491659e-06
 3.35729355e-09 1.09823262e-08 8.13805912e-08 8.64490630e-07
 2.51789096e-08 2.30253434e-07 2.02755359e-06 2.11705403e-10
 6.04970000e-06 3.06710463e-10]


0.8719195


22


[4.69866391e-05 4.35455974e-07 2.26967245e-08 9.93470073e-01
 7.05272578e-06 4.07187463e-06 1.29104425e-08 1.96926457e-08
 5.15768761e-07 2.96092272e-04 1.19740016e-05 8.65885230e-09
 1.15877384e-07 8.80494099e-06 4.33599111e-03 1.66310787e-08
 8.21759105e-09 4.22983794e-06 5.20791900e-07 4.70151190e-06
 3.04824788e-08 1.44465439e-05 1.64079192e-05 2.37026427e-07
 4.15466047e-06 3.30501032e-04 3.28728589e-07 3.48938478e-08
 6.35213437e-05 5.58311939e-08 1.01962812e-08 1.64064772e-07
 2.15817920e-07 7.90915947e-05 4.33094073e-07 1.68192287e-06
 4.35997229e-08 2.29376385e-09 3.70607042e-04 7.52016263e-08
 1.80792722e-05 5.39561507e-09 5.29203454e-08 4.09486209e-04
 5.69337510e-09 1.54936966e-10 2.66668735e-06 5.73129410e-06
 5.08598763e-09 2.67860578e-08 1.43805412e-08 4.46618878e-06
 4.11522706e-06 3.42027448e-07 5.10019345e-06 1.05117817e-08
 1.88996631e-11 3.74181372e-12 4.86654062e-06 9.21048766e-08
 4.88514070e-06 1.30575703e-04 4.84698965e-08 1.08674234e-04
 5.88708531e-07 6.99214979e-08 3.54381378e-08 6.79138434e-09
 1.80121191e-07 1.05387890e-07 7.69142844e-07 3.29985284e-09
 3.14265151e-07 6.16817459e-08 4.26453170e-07 2.00893709e-07
 5.25131894e-09 6.03651173e-09 2.36169015e-07 8.51038422e-08
 3.70639839e-08 1.67256943e-07 3.11740138e-07 4.29949498e-09
 2.23547366e-04 5.36613358e-11]


0.9934701


3


[4.1823755e-06 2.2437212e-06 9.4213846e-09 1.0207349e-04 5.5114291e-10
 2.1806568e-07 1.1167299e-08 2.6847863e-06 1.6392872e-04 1.4627762e-05
 3.7795624e-09 9.7478051e-06 4.3411780e-04 8.0996074e-08 1.9289753e-06
 1.8167496e-07 1.3334443e-08 5.2395670e-05 1.4259934e-06 8.6655251e-07
 1.8150464e-08 5.7382948e-07 5.5141687e-08 2.5468435e-07 2.2169129e-08
 2.7353679e-05 4.2355259e-05 1.5321964e-08 1.2774037e-01 3.8756977e-04
 7.1606514e-08 3.3031372e-04 5.1027087e-05 1.3697529e-03 3.4194271e-04
 7.0530621e-07 4.7450069e-07 2.8968092e-08 3.8520479e-06 5.4847619e-06
 9.1157144e-06 4.0747844e-07 2.1809637e-06 7.6919277e-06 2.0582396e-08
 6.1482233e-09 6.3417842e-06 2.3489793e-06 3.5100499e-08 1.6397337e-07
 2.6888486e-07 2.6737398e-08 2.1409544e-07 1.8382692e-06 2.1745971e-05
 1.2451995e-05 2.5858765e-04 3.1510970e-06 3.0185331e-03 4.8204748e-07
 3.9660353e-02 7.9399163e-01 7.2989042e-04 3.0332129e-02 2.2638469e-05
 1.5845798e-08 1.7284237e-09 9.0119574e-09 2.8309771e-07 7.9128677e-09
 1.5477498e-07 7.0668676e-08 2.3889265e-07 3.6404640e-06 4.9848868e-08
 1.5842890e-07 5.4013333e-07 2.1257008e-06 5.9731192e-08 7.0020574e-06
 2.3885164e-07 3.2589011e-07 7.9554404e-08 9.9624040e-06 7.9986296e-04
 7.3166528e-10]


0.7939916


61


[1.59437525e-06 1.01442367e-07 1.11254596e-10 1.76579071e-08
 2.97497721e-10 3.65171609e-08 4.15945012e-09 4.89481090e-06
 3.15606712e-07 4.15677945e-08 1.32225129e-08 1.17819854e-05
 5.59269938e-06 1.93744487e-08 7.00618257e-05 3.79557648e-08
 3.43718973e-08 8.69771004e-01 1.21948503e-01 7.04484501e-06
 5.40724976e-09 1.30674581e-03 5.61761215e-09 6.02273872e-07
 2.78846471e-07 8.23768005e-06 2.53652638e-06 1.44209000e-08
 1.05016760e-03 1.51808454e-05 6.42893099e-08 1.92032190e-09
 2.00603725e-04 1.63146964e-07 1.72116529e-07 1.08142828e-07
 4.01843403e-09 5.21020505e-10 4.53417535e-08 6.83808992e-07
 6.99356484e-09 2.86001764e-08 4.69507370e-07 1.78797649e-07
 4.07891569e-08 5.25007060e-09 2.92870254e-07 5.32681010e-09
 4.31296208e-08 5.91331517e-09 1.99329975e-08 4.67072769e-10
 3.07409174e-08 8.13453194e-11 6.50520633e-07 3.57607561e-08
 1.22686068e-03 5.24328641e-07 1.65208846e-07 7.44535313e-08
 1.75641489e-03 2.78098327e-07 2.40122131e-03 3.30736748e-06
 1.45713102e-06 2.13031271e-07 5.59259195e-10 5.81340487e-09
 6.19184391e-07 1.09603536e-06 2.15732321e-08 1.46690567e-07
 2.21592478e-09 1.67614012e-08 6.49685177e-08 1.73064241e-09
 7.82713361e-09 4.50113902e-08 2.90645008e-10 1.02299875e-08
 2.78532020e-09 8.18740098e-09 1.72747736e-08 4.00800872e-07
 1.98451235e-04 1.18231286e-10]


0.869771


18


[8.52148514e-05 6.67308867e-01 2.29763075e-09 2.62448862e-06
 8.76719107e-13 1.78105530e-08 5.37349165e-10 4.42859118e-06
 1.24907453e-08 4.72957072e-06 3.25877048e-10 7.77142486e-06
 3.27681541e-04 2.28700756e-08 3.14977586e-01 1.53765086e-07
 2.27361532e-12 1.82644513e-08 2.74451480e-07 5.06091391e-10
 1.74197778e-09 1.19240218e-09 8.25795321e-10 1.17534960e-09
 6.66835387e-09 1.00866855e-04 5.70714391e-08 3.10272780e-10
 1.71662232e-05 3.30341301e-08 7.76695305e-11 2.56667437e-10
 5.43788552e-08 6.79720114e-10 2.30448194e-09 8.40549053e-09
 2.07923428e-10 5.23619273e-11 2.80741630e-09 4.20564361e-10
 2.94807867e-09 7.61302271e-11 3.13194366e-11 4.25274003e-08
 1.22786709e-12 5.11127807e-11 1.68571930e-08 1.06127447e-10
 5.56979601e-11 1.38865308e-10 5.30665567e-10 6.74504758e-11
 3.97983086e-08 3.02203262e-10 2.38075998e-04 2.67779910e-06
 1.66264851e-08 2.28685577e-11 9.55276050e-07 1.40302492e-09
 4.63959182e-08 1.49058820e-07 7.63867369e-09 1.06043379e-08
 2.07126849e-08 1.92932390e-08 4.33192788e-13 2.52617344e-10
 1.11788453e-10 6.25607344e-10 2.84733018e-11 2.57014534e-08
 8.19695700e-10 1.79939730e-09 1.97809810e-10 6.14909936e-08
 1.19423049e-08 1.50511126e-09 5.60183020e-12 2.08317026e-08
 6.74359006e-12 2.52785215e-09 1.90214533e-09 4.82783662e-08
 1.69201251e-02 3.48527609e-15]


0.66730887


1


[1.98146623e-07 1.36081565e-06 1.92365945e-09 1.08183431e-03
 1.29304900e-09 1.78271247e-08 9.56690283e-09 4.11619823e-08
 6.33684749e-07 1.41945804e-07 1.39849798e-09 2.20150969e-06
 8.96999612e-03 1.06366663e-07 9.98544147e-06 1.00570361e-08
 4.04212130e-09 1.20732275e-05 4.92274637e-07 1.10212090e-06
 2.60362576e-08 1.04297008e-07 9.84963755e-09 1.35067512e-06
 5.91839004e-08 2.95935315e-05 1.46874081e-05 2.02042489e-08
 2.17875913e-05 9.62383547e-06 7.31698151e-08 1.00936795e-05
 6.16634509e-07 2.07775042e-06 2.71033568e-05 4.52297002e-07
 9.70178071e-09 5.60973579e-09 1.96923835e-07 1.01116234e-06
 1.99670623e-07 6.15256681e-08 1.19266810e-08 5.86892043e-07
 2.68158491e-08 3.04956025e-08 2.43443583e-06 1.77192572e-08
 4.29186553e-09 4.00132109e-07 6.20415861e-08 1.00158974e-08
 2.12375852e-07 2.52472443e-08 8.93751203e-05 9.88376655e-07
 6.36660525e-06 1.18511089e-07 4.18787522e-06 1.97158627e-08
 2.89159536e-04 7.60673429e-05 1.71230693e-06 9.09719802e-06
 8.05954414e-07 9.25095556e-09 1.74623804e-09 2.03669064e-08
 4.29891358e-08 8.44747661e-10 2.18810067e-10 2.57399968e-08
 8.39159586e-09 5.36880851e-09 9.28494956e-07 2.88884134e-08
 1.40592771e-09 1.55218061e-08 3.01834535e-09 1.22899635e-07
 3.33732264e-09 1.61090288e-08 1.10378062e-08 2.38690541e-06
 9.89315271e-01 7.47220048e-13]


0.9893153


84


[3.45412809e-05 5.86627138e-08 2.22310135e-08 9.69219446e-01
 5.74988335e-10 7.51990569e-07 2.88874946e-09 2.34263564e-09
 7.78286520e-08 3.32847407e-07 8.85146321e-08 3.09091108e-09
 3.66828402e-07 2.25523513e-06 1.43369450e-03 1.40178436e-09
 1.34235079e-09 2.72667285e-06 1.40843767e-07 4.01066615e-07
 2.00876782e-09 7.14593753e-08 6.00329884e-07 1.13790772e-08
 3.26657883e-08 4.42890543e-03 3.50820960e-06 6.21003764e-08
 6.56054283e-07 4.16561761e-06 1.23011989e-09 3.86964484e-06
 1.99854959e-08 8.04515093e-06 5.47217387e-05 2.35423926e-07
 5.19637056e-10 1.61462288e-09 1.04904930e-05 2.86766504e-08
 4.22875564e-06 4.12616030e-09 5.10913374e-08 6.21485742e-05
 3.28123778e-10 6.32728481e-10 3.74561228e-06 7.60664079e-07
 6.45782050e-09 1.76590174e-08 3.94537523e-08 1.80740667e-08
 2.63245374e-06 2.79687900e-08 1.02464124e-04 1.04251123e-08
 2.11871139e-07 6.44141962e-10 1.46439406e-05 1.26265684e-06
 1.95038992e-05 1.44370983e-03 3.89406466e-07 8.66511778e-04
 9.71387024e-04 3.48384930e-07 1.97865937e-08 8.76545170e-10
 3.66923382e-06 2.06720210e-10 9.40995459e-09 4.99408248e-09
 5.61446267e-09 5.12135578e-09 1.17011147e-07 4.69913664e-09
 8.35034430e-10 7.85380223e-08 1.66070546e-09 1.04124540e-08
 6.08996764e-09 3.75237841e-09 9.95758853e-08 2.85049264e-08
 2.12913509e-02 7.78542866e-13]


0.96921945


3


[3.27528738e-07 4.34744640e-09 4.47587314e-11 1.79858858e-07
 1.02630118e-11 1.89447565e-13 4.54756979e-12 1.83328179e-08
 1.12369198e-05 8.04076736e-11 3.33757646e-14 1.03491556e-10
 6.70150655e-08 3.74573419e-12 6.88217650e-10 6.81111112e-10
 1.47454227e-08 1.06817781e-08 7.32204408e-10 2.25643362e-08
 4.55849913e-10 2.71857425e-10 8.97101837e-10 3.62545105e-09
 3.35454664e-10 5.36235709e-11 2.32539605e-06 2.55956656e-09
 2.00937298e-04 1.56780501e-04 1.10108645e-04 1.53070362e-03
 1.10224537e-04 4.79917617e-06 9.97854888e-01 1.56932856e-07
 1.96071532e-08 2.55566519e-08 7.26625274e-07 9.10497477e-07
 1.89432413e-07 1.78605453e-09 5.30381339e-09 6.63163860e-07
 1.79238224e-08 1.47917047e-08 3.20075699e-08 3.11453618e-07
 1.73684478e-09 3.14043687e-11 4.58540583e-08 3.78948798e-13
 6.91283031e-10 3.79502506e-11 3.97489046e-08 2.33486980e-11
 1.77808115e-08 9.92410953e-09 2.47612547e-07 2.57588766e-07
 3.41194351e-07 6.64999561e-06 1.20486845e-07 6.42100206e-10
 5.94504127e-06 4.55093269e-10 1.05961637e-12 3.29960954e-11
 1.99676409e-09 7.46858738e-12 4.33154064e-08 3.72777004e-10
 1.11232024e-10 2.76749965e-08 5.15196663e-10 2.62991573e-11
 1.43580934e-08 5.77719170e-08 2.43720294e-10 2.22755332e-07
 2.58745553e-10 7.96157862e-11 1.12922800e-12 1.71917964e-08
 1.34445600e-07 1.16778343e-12]


0.9978549


34


[1.2864968e-05 2.7653238e-07 1.7519444e-09 9.9979109e-01 6.9658829e-10
 9.6615785e-11 3.3060013e-10 1.3528942e-09 5.8639815e-10 1.3611691e-07
 1.1902143e-09 1.6101087e-12 1.0598228e-09 4.7600335e-10 1.4531196e-05
 3.4868081e-10 1.5509486e-11 8.1237272e-10 7.5402518e-10 2.8678942e-08
 4.8880033e-10 1.8077889e-08 1.1515603e-04 2.8140645e-09 4.3297753e-08
 1.6257693e-09 3.4614065e-08 2.9736987e-11 2.6549703e-08 3.9887341e-10
 4.1162490e-12 9.6910341e-11 1.9360563e-11 2.1340263e-10 1.1497495e-08
 5.2505502e-09 5.7265886e-11 1.8274108e-12 5.2511791e-06 9.1882760e-12
 6.6824029e-08 1.3548807e-12 4.4563667e-12 2.1013031e-07 2.8289458e-12
 9.7927005e-13 1.3261002e-08 9.5695529e-10 3.5164805e-11 9.9114965e-13
 1.0234752e-11 3.3749056e-10 2.3537259e-08 6.4548075e-11 1.2564979e-06
 6.5638321e-13 2.1255116e-14 3.8768844e-13 3.6979939e-06 4.0756660e-07
 3.3461647e-10 3.3173301e-06 6.2309984e-09 9.1128580e-09 7.5402488e-07
 3.6323346e-08 1.3531361e-10 2.1328207e-11 2.4167435e-10 4.5600870e-09
 4.9872855e-05 1.6977545e-09 4.4590723e-11 9.2452085e-10 2.6070770e-08
 3.7215062e-10 1.4920597e-10 4.6068803e-07 2.3449866e-09 2.1719848e-11
 1.0311410e-10 4.9286530e-10 4.9009099e-08 1.8302152e-12 2.8358355e-07
 2.6914083e-13]


0.9997911


3


[1.14341390e-06 1.70329116e-07 4.76187800e-09 1.39088661e-04
 2.84942426e-13 8.90663086e-13 2.01074513e-09 8.69838186e-06
 7.10807035e-06 8.00575535e-08 8.25057730e-12 5.26870951e-12
 7.33125319e-07 2.10219953e-10 2.43028154e-07 1.36358813e-09
 4.25249524e-09 2.25358758e-06 2.43434101e-07 5.35043284e-07
 7.17927939e-09 2.35861841e-09 1.22907238e-07 3.38996443e-07
 2.28948565e-07 1.17833276e-09 7.84224824e-07 5.87498605e-10
 9.27667543e-08 4.78437962e-03 1.44360921e-11 5.78226263e-07
 7.83601983e-09 4.69321426e-09 1.79765848e-05 1.22561232e-07
 8.71538564e-10 9.41720035e-10 5.79509525e-08 2.93183966e-09
 6.09244353e-08 5.18207699e-10 3.68745101e-09 2.39329978e-07
 1.17227519e-10 8.93200097e-12 2.18072893e-09 2.08608899e-08
 4.72752282e-10 1.11876073e-11 5.01368458e-09 9.92562921e-09
 6.25020879e-09 1.01662421e-08 1.07186615e-08 6.05817826e-12
 8.41843575e-06 1.88931850e-07 8.60909582e-04 9.20983851e-01
 3.23122151e-07 9.96122975e-03 1.34305051e-03 1.61391843e-04
 6.17120452e-02 7.55577467e-09 8.31588298e-10 4.04380175e-11
 2.56609822e-09 2.35970732e-09 1.79052790e-08 3.07727035e-08
 5.00657471e-09 3.34648831e-07 2.74244560e-09 5.52283996e-10
 1.14869723e-08 1.80463485e-06 3.17846593e-09 7.63223706e-09
 4.96072028e-09 3.64417261e-08 2.93562219e-09 1.13570707e-07
 8.36258721e-07 3.28189689e-12]


0.92098385


59


[3.5348691e-07 4.0929598e-07 6.0798050e-07 3.5207857e-05 1.0615387e-10
 3.2554134e-10 4.0532436e-10 3.7138427e-05 7.3590236e-08 4.1380679e-07
 1.6472139e-09 2.1021787e-09 8.1918586e-07 5.4942205e-08 2.4211984e-06
 9.4533021e-08 1.2399732e-07 9.2746836e-01 9.4384132e-03 2.3962277e-05
 1.2215143e-07 5.2642358e-06 3.5783452e-07 5.5900290e-07 1.4072268e-06
 1.0525699e-08 4.2579882e-06 4.8804547e-09 8.4641571e-05 3.0945339e-06
 5.8524396e-08 1.0121114e-08 3.5497225e-09 5.2074887e-09 5.7917003e-07
 5.9050751e-07 6.6948052e-09 1.0525438e-08 4.5337222e-07 6.8219150e-09
 2.7605620e-07 3.5308563e-09 3.4577074e-08 1.2847634e-06 2.8031493e-09
 2.1558498e-10 2.3041308e-07 7.2734654e-09 2.8593448e-07 3.1515694e-09
 5.3473359e-09 3.6367902e-07 7.8279390e-07 2.3346352e-09 3.1637910e-08
 8.7107915e-10 2.3262954e-04 6.4850667e-09 2.8289571e-02 2.9930891e-03
 1.7355484e-06 5.3854333e-03 2.1349901e-05 2.5669641e-03 2.3390613e-02
 2.3484621e-07 6.7816494e-08 3.6860881e-10 1.6294510e-07 1.4112902e-07
 5.1156485e-07 8.6029964e-08 1.1773462e-06 4.1464148e-07 2.7033481e-08
 4.5695661e-08 1.3831860e-07 3.5445476e-07 8.7870099e-08 9.4377540e-08
 2.0099236e-08 6.7193361e-07 8.1335987e-09 8.2426868e-07 2.4549621e-07
 1.7768633e-08]


0.92746836


17


[1.17149193e-05 3.79184406e-04 6.45198242e-08 1.00318277e-04
 1.59045119e-12 1.14789393e-10 3.38381279e-09 6.56746197e-05
 1.32119646e-06 2.68791460e-08 1.55248366e-11 1.05846523e-08
 2.93596145e-06 1.73661951e-09 1.30125431e-06 8.21927202e-08
 6.97227220e-10 7.03145489e-08 1.01772045e-07 3.33289640e-09
 2.72264966e-09 3.70158321e-10 8.23900024e-08 8.68739676e-07
 2.91924032e-08 2.45051321e-08 8.45645559e-07 1.06344720e-08
 5.60258995e-05 4.07735322e-04 1.84933072e-07 8.28319844e-06
 5.19783157e-07 7.92227794e-09 2.06551119e-03 2.96837612e-07
 2.98561220e-09 2.32453656e-09 5.00781880e-07 2.34041995e-08
 6.02807233e-07 3.03052383e-09 4.96200503e-09 2.65167159e-06
 2.14134888e-09 1.04579800e-09 1.16186823e-06 1.01730706e-07
 5.10581488e-09 8.37531655e-10 1.03838914e-07 4.47363533e-08
 7.03620742e-07 7.07655046e-09 5.72490478e-07 2.41103776e-10
 1.97594431e-06 2.19651692e-08 3.21120620e-02 9.26600635e-01
 3.61420035e-07 9.66088788e-04 3.21590705e-05 1.54416251e-04
 3.69700678e-02 4.49655113e-09 1.63218106e-09 1.86884397e-09
 4.74130335e-09 8.68397532e-09 6.76055322e-07 2.54922554e-07
 6.84402579e-08 6.90956176e-06 9.25139965e-09 1.36214817e-08
 7.94532468e-07 1.47082062e-06 3.96475031e-09 1.28635247e-05
 6.26959595e-09 3.83035513e-06 5.50228529e-09 2.08437905e-05
 4.69523366e-06 2.12443843e-12]


0.92660064


59


[1.32695803e-07 9.99995708e-01 2.04699746e-09 1.60259816e-07
 8.58230458e-17 1.73156320e-14 4.50239368e-12 6.33639104e-07
 1.95463576e-11 4.58244248e-10 5.29056000e-14 1.05440616e-08
 1.99190864e-09 1.24863297e-11 1.38331089e-07 1.44971379e-11
 3.77159885e-15 1.06081133e-11 5.75698544e-10 4.74163352e-13
 5.74456064e-13 1.83469952e-13 2.20707263e-12 4.34974487e-11
 1.99837594e-11 5.30733513e-11 1.67312952e-11 1.61824373e-12
 1.47539481e-10 9.21274079e-09 6.02314795e-11 6.64102150e-12
 2.54261941e-11 4.08669206e-14 2.55074468e-08 1.56709509e-12
 1.81147263e-12 7.89702708e-14 1.85967994e-12 1.48579621e-13
 9.80161807e-13 2.30052658e-13 7.96608669e-14 1.19161583e-10
 5.11814915e-15 1.98312490e-13 1.70824130e-12 3.40037108e-14
 1.02608412e-13 1.16747390e-14 1.05029188e-11 1.05407775e-13
 1.79722827e-12 2.13785500e-12 3.51739149e-09 6.35285078e-14
 3.47681363e-11 1.81030077e-13 8.01101478e-08 6.16570972e-08
 6.33523250e-14 1.28877966e-08 1.86729854e-10 6.55383456e-11
 4.64729810e-09 1.50520846e-11 1.35062275e-14 1.20419882e-13
 1.21432893e-13 2.01037242e-11 5.41707373e-11 5.59420565e-10
 1.11386863e-11 8.53204382e-11 1.83533662e-13 1.55507038e-10
 4.01607386e-10 9.74267403e-11 1.57367693e-14 7.30128680e-10
 2.25200514e-14 4.03465941e-11 2.27918170e-10 5.44279233e-10
 3.01716295e-06 1.33647189e-18]


0.9999957


1


[3.27673405e-07 1.51744121e-06 5.51345423e-08 8.41291808e-03
 1.36140502e-12 4.51588419e-11 1.43459022e-09 7.37863729e-07
 1.07134301e-05 4.62244500e-08 7.72258923e-11 1.09027187e-09
 3.98622205e-06 5.98552541e-09 6.32923275e-07 5.15789467e-10
 2.55159307e-08 6.86545363e-08 7.12706878e-07 1.10520126e-07
 9.37758848e-09 3.94987998e-09 1.07050688e-08 1.95803906e-08
 2.72544213e-07 8.86184104e-09 2.16623812e-06 4.09781015e-10
 2.71424710e-07 1.75984914e-03 1.88504750e-08 3.97180975e-06
 1.29021682e-08 1.83413853e-08 8.32990161e-04 7.97277409e-08
 4.94604535e-09 2.33053377e-09 5.86762035e-08 4.03582057e-09
 2.95556699e-08 6.61976474e-09 2.13974816e-09 5.47589281e-08
 1.35848582e-10 1.73799108e-09 4.15144363e-08 8.35930152e-08
 1.28370692e-08 8.93678881e-11 1.42024263e-07 4.49698767e-09
 4.23192414e-09 1.19057113e-07 2.11589082e-07 2.64626845e-11
 4.20516997e-04 1.84360491e-08 4.43808938e-04 1.85708422e-02
 3.90272589e-06 1.56938255e-01 1.06870104e-03 1.40001372e-04
 8.11377108e-01 7.15958359e-09 5.22001153e-09 5.39555657e-11
 1.75139281e-08 1.38386980e-09 1.37437723e-08 1.95016376e-08
 2.00803161e-08 2.08152997e-07 1.66549778e-08 7.80883482e-08
 1.15356926e-07 1.68561428e-06 7.95449662e-09 4.58566802e-08
 7.62985675e-10 1.24513676e-07 3.44280977e-08 7.49434435e-08
 1.97559393e-06 5.09941048e-13]


0.8113771


64


[6.7871957e-09 1.7492576e-09 1.1020958e-07 1.2325467e-05 1.4935775e-11
 1.0174276e-09 1.6670303e-10 3.8583330e-06 2.1416589e-08 6.0159017e-08
 2.6453413e-09 7.6781781e-09 6.0637406e-09 6.2784111e-09 2.6237515e-07
 1.0408627e-08 1.1640417e-07 3.9965697e-04 2.9142012e-04 1.5920014e-06
 6.0985059e-08 6.1029829e-07 1.2886575e-07 5.4617455e-08 7.5034978e-07
 9.2706998e-09 1.3678830e-06 1.4200275e-09 1.4575438e-07 8.9812573e-05
 9.0037071e-09 2.8617924e-08 2.1946454e-10 9.2528189e-06 3.3459596e-08
 4.1611681e-08 4.5917106e-09 2.0169548e-08 6.4952039e-09 1.8731329e-08
 5.2671364e-08 2.4334725e-09 5.5813336e-09 6.7086221e-09 2.2864489e-10
 8.3063473e-10 1.6517252e-07 3.0769730e-08 7.2288785e-08 3.2823094e-10
 3.0559118e-08 6.8238268e-09 3.8778603e-07 1.7524761e-10 1.0138806e-09
 7.1829070e-11 2.5870939e-04 1.4867300e-08 7.4545482e-05 8.2028651e-05
 4.0819996e-06 7.8258675e-04 1.3754695e-05 9.9794942e-01 2.1206977e-05
 1.1100613e-08 2.4741689e-07 3.1720397e-11 4.7320786e-08 1.1509768e-08
 2.2804842e-08 3.2649656e-09 2.3625883e-08 1.1692888e-07 6.1802838e-09
 1.9929967e-08 1.2800259e-09 2.9341765e-08 1.1475331e-08 2.8068294e-09
 4.2984176e-09 5.7749400e-08 2.3605253e-08 3.3929010e-07 8.4129127e-08
 2.4731933e-10]


0.9979494


63


[8.8305271e-08 4.7852399e-08 1.3912725e-12 8.5402014e-08 2.5539556e-14
 1.4672558e-12 9.0178238e-12 1.5317134e-07 1.7352004e-07 1.8674358e-09
 5.4730513e-12 8.1539948e-09 1.1075618e-08 1.6006555e-11 1.2114607e-07
 1.6189983e-11 6.2674470e-11 3.2121250e-08 3.1569318e-08 3.5578398e-11
 1.9150972e-12 3.0093691e-11 6.5166421e-11 4.6537134e-09 1.8967929e-09
 7.9880543e-08 2.1690066e-05 1.4293928e-12 3.6974208e-07 6.2773185e-04
 2.5091337e-10 3.1020231e-09 1.3820600e-07 1.9869280e-12 2.3194758e-07
 2.4105265e-10 4.0782417e-12 5.9322902e-12 1.5017342e-10 6.4930972e-10
 4.1855769e-11 8.8282359e-12 1.7619170e-11 4.5788451e-10 4.0786282e-13
 2.4113795e-12 6.7539924e-10 4.2473908e-10 1.0324089e-11 4.4848318e-13
 2.9311331e-09 4.9958319e-12 6.1116445e-11 1.2383488e-12 1.0876406e-08
 3.6705591e-12 4.3252385e-05 9.1030728e-08 1.8620474e-05 8.8072138e-06
 1.4696030e-06 2.5371020e-04 9.8036456e-01 1.8508441e-05 1.8636990e-02
 1.2249092e-09 6.1031992e-11 1.6334791e-13 3.9303527e-10 1.3060432e-11
 5.3856719e-12 2.6591320e-09 2.1001580e-10 1.1680120e-09 5.9161578e-11
 4.3863775e-12 2.3191635e-09 3.6118317e-09 2.7340359e-12 5.8142047e-10
 3.7215205e-12 2.6336471e-09 2.1878523e-12 6.8340306e-08 2.8768959e-06
 6.8192378e-16]


0.98036456


62


[2.8935840e-09 4.6598090e-09 1.8062277e-11 1.6496502e-11 5.3603712e-16
 5.5741040e-13 3.8742886e-13 9.1717314e-11 1.1330412e-07 1.2020430e-09
 1.3991731e-10 1.3813077e-08 2.5956678e-07 2.2420174e-10 1.0092904e-07
 1.0400901e-11 2.5250045e-12 5.6604449e-10 5.7547628e-10 9.1440633e-11
 2.4162148e-12 6.7700180e-13 7.4922200e-11 1.3589272e-09 1.4403606e-11
 3.6284681e-07 3.5621643e-09 6.3931469e-12 4.2606305e-12 1.4536408e-08
 1.0431331e-12 9.6446406e-10 1.8196581e-11 2.4133547e-12 1.0218197e-09
 2.3246941e-11 2.3613750e-11 1.2382451e-13 2.6369772e-12 2.6188737e-11
 2.2516960e-12 2.9606932e-14 3.6745032e-13 2.7271416e-12 7.8363640e-16
 2.2786708e-14 1.3060558e-12 4.6868729e-12 8.4422660e-13 7.7624157e-12
 6.1417274e-11 8.4830018e-14 1.1168885e-11 2.5326629e-13 2.0551543e-07
 2.2130450e-11 1.9718485e-10 1.0812704e-12 1.3737106e-10 3.0067258e-11
 1.7939763e-12 2.8887919e-07 5.8694685e-12 1.6254452e-10 1.0780281e-10
 4.6854786e-12 2.3112634e-14 4.3265332e-14 9.4257382e-13 4.7320709e-13
 2.3481008e-13 1.4596454e-11 1.0471579e-12 1.5879680e-13 5.7488411e-13
 1.8522995e-13 2.2234338e-13 7.1598373e-11 1.4882723e-15 1.7041825e-11
 9.1082224e-15 1.1199988e-11 5.1201708e-13 1.4691418e-11 9.9999857e-01
 3.1124290e-18]


0.99999857


84


[4.82837663e-08 2.82967765e-08 5.81833817e-08 7.04606064e-04
 1.72377168e-13 1.57259084e-11 2.60976115e-12 1.62633768e-10
 8.10942026e-07 2.62679052e-08 9.09947573e-13 4.97469010e-10
 1.52364290e-08 8.82262263e-10 1.05336548e-08 1.69810103e-11
 4.01475825e-10 3.34711414e-09 6.00133221e-10 3.00202113e-10
 1.01195571e-11 2.48149036e-11 4.77429083e-08 3.14763354e-10
 7.72660581e-12 4.33974690e-10 6.18871212e-08 7.64873147e-12
 2.41677526e-07 2.44670282e-05 1.19230070e-10 3.74508163e-05
 1.09617260e-09 1.83896169e-08 1.62658907e-04 2.26205099e-09
 6.39329284e-11 1.13329825e-10 2.28072339e-09 4.51235369e-11
 5.52967938e-09 1.07523879e-10 1.76554119e-10 3.23717453e-09
 2.27789506e-11 2.83142242e-11 2.56690402e-09 1.91006502e-10
 9.14210582e-11 3.11191481e-12 2.89983149e-09 6.27235069e-11
 1.36547607e-10 3.11157522e-09 9.43975031e-09 1.00530563e-10
 3.94024262e-08 1.40098757e-11 5.65397400e-08 1.45727142e-06
 1.96689982e-07 9.99022007e-01 2.92240799e-07 3.89108209e-06
 4.12738445e-05 1.02963220e-11 1.23480309e-10 6.97997146e-11
 3.79524301e-10 1.07863779e-11 1.06957811e-08 6.80475537e-11
 2.64667843e-10 6.64055033e-10 3.21825455e-10 4.11596890e-09
 2.59284455e-10 2.78805601e-08 1.82841763e-11 1.34302813e-09
 2.54010810e-12 1.29684957e-10 3.53266694e-10 1.94956534e-11
 4.15328003e-08 1.76552837e-13]


0.999022


61


[1.40199802e-07 2.47693811e-06 2.07111675e-10 3.25677547e-07
 4.49664747e-13 1.52054723e-11 5.94887861e-10 9.27365181e-06
 6.83818769e-07 5.45612755e-09 1.34489475e-10 6.83330796e-08
 5.30227133e-08 4.25556301e-09 1.87601836e-05 1.17383547e-09
 2.60083510e-07 1.74896588e-04 6.21240906e-05 1.34174911e-07
 6.64670152e-10 2.68164456e-07 2.37357001e-09 1.32546617e-07
 1.89587055e-07 3.37758934e-07 1.86101693e-06 1.89072456e-11
 6.04571323e-06 2.19261739e-03 6.93608238e-09 2.96573379e-08
 1.75205400e-06 1.51130983e-10 2.24641786e-04 1.14273595e-08
 1.40246348e-09 1.05328546e-09 1.16731425e-08 6.03603425e-08
 1.72781212e-09 1.12025889e-09 8.47854231e-10 4.62504746e-09
 2.00907572e-11 1.68036016e-10 1.11367857e-08 9.34199651e-09
 9.02243502e-10 6.61313712e-11 1.77883877e-08 8.73613248e-12
 1.64936298e-09 5.30833999e-09 8.15932708e-08 7.87839446e-11
 5.39360452e-04 5.42098597e-08 1.17748277e-05 2.20254060e-06
 2.48462253e-04 4.95963451e-03 5.85451007e-01 3.84870102e-04
 4.05703336e-01 7.18609243e-08 1.41862166e-09 4.77473408e-11
 3.71485065e-08 1.01960316e-08 1.07678566e-09 6.92585402e-08
 4.39691981e-08 2.36777808e-07 1.15377130e-09 1.13712861e-08
 2.02691126e-08 4.77386493e-07 1.59573396e-11 3.25322276e-08
 3.89683341e-10 3.64584878e-08 5.04555120e-10 2.07865497e-07
 8.71636416e-07 1.00637882e-14]


0.585451


62


[4.9452008e-11 1.6479814e-09 3.5916545e-10 4.4625539e-09 1.4163574e-17
 2.9283138e-15 5.3916595e-14 5.4924909e-09 8.0837861e-09 3.8634235e-10
 2.0878925e-14 1.3988690e-09 9.8373931e-10 3.1528163e-12 6.2964600e-10
 1.6930958e-10 7.9880588e-11 3.7460126e-08 4.4682236e-10 3.0166350e-10
 1.4298656e-11 8.7824210e-12 1.7901826e-11 5.8819344e-10 5.8413031e-11
 3.4684684e-12 2.6474286e-08 7.2842367e-14 9.4010657e-09 6.6953449e-05
 2.3381750e-12 2.0031414e-09 2.0447266e-10 1.7164517e-10 4.2343004e-06
 2.4117984e-12 4.0239162e-12 1.1712206e-12 4.2702883e-11 9.3982239e-11
 5.9201515e-12 2.4968721e-12 4.3042607e-13 5.6432003e-12 4.0037845e-14
 2.4650437e-13 1.3588606e-11 5.0408098e-12 9.0908547e-13 3.7652436e-13
 6.2764655e-12 2.6291538e-14 7.1599684e-12 3.1341039e-12 2.9610542e-10
 1.0777244e-12 4.0998177e-07 4.0699527e-11 7.0683073e-09 8.6455669e-09
 6.0619263e-06 9.9982661e-01 7.6337001e-06 1.2037842e-05 7.5866017e-05
 2.5176170e-12 2.8354733e-13 2.6189250e-13 9.1631952e-11 9.8353530e-13
 1.3509476e-11 2.4295153e-11 7.4639288e-12 2.0268728e-10 1.2061563e-12
 3.5628459e-11 3.4067665e-11 5.6757461e-08 7.7597407e-14 1.5391104e-10
 1.8420624e-11 1.3476508e-11 2.3621701e-12 7.9104195e-10 1.9952512e-10
 5.0592839e-16]


0.9998266


61


[2.32459044e-07 9.99938607e-01 1.26546795e-09 5.25082144e-10
 1.43929649e-15 1.92528827e-13 1.39384066e-12 1.51413951e-05
 2.01338324e-09 1.52375804e-07 9.26744033e-14 1.41247355e-07
 6.84169805e-08 6.53579760e-11 5.02570474e-09 8.36199943e-10
 1.23498737e-12 1.04033318e-11 1.46596641e-11 1.39825532e-12
 1.52690339e-12 2.63397241e-13 3.12953851e-12 2.25748878e-10
 1.42357140e-10 5.49647550e-11 3.89336829e-09 1.73058128e-12
 9.71822267e-09 4.19783682e-05 1.96375763e-11 8.76739570e-10
 1.09478755e-08 2.13900633e-11 3.09731320e-07 1.09683001e-11
 3.33986061e-10 1.18830109e-12 1.09057798e-11 5.05959337e-11
 1.62137751e-11 1.35787475e-12 4.39432101e-13 2.32008218e-10
 8.13966068e-14 5.99644084e-11 5.48872302e-11 1.02644932e-11
 4.63800266e-12 9.12477667e-13 1.08238057e-10 5.82625853e-14
 7.71230736e-12 4.92326978e-11 1.42368695e-08 8.43656481e-12
 1.59262614e-09 4.68387724e-11 5.08324893e-09 2.98938096e-10
 2.10579693e-10 2.19842673e-06 5.86241278e-09 7.42730391e-11
 1.05707787e-09 8.57904947e-13 1.41600571e-13 4.43697249e-12
 1.05685313e-11 6.62007948e-12 7.87417527e-12 1.39179435e-09
 4.70047655e-12 7.44544496e-11 5.46148955e-14 5.69742795e-11
 5.22997201e-10 3.51926904e-10 3.08847377e-16 1.25844979e-08
 1.06742896e-13 6.57437993e-11 7.96702287e-12 7.45471773e-09
 1.05279662e-06 3.77601431e-17]


0.9999386


1


[9.98381040e-08 1.40623411e-06 3.11193524e-08 6.36047434e-06
 5.25233653e-15 5.05294201e-12 7.55690510e-11 1.66543927e-07
 2.34534928e-05 1.27905668e-08 4.32741713e-14 2.44268872e-08
 2.14215788e-06 1.84196877e-11 6.49633813e-09 2.74800627e-09
 3.84389267e-08 2.84032122e-08 8.28160207e-09 8.14953882e-09
 1.22875710e-09 1.02738973e-09 8.26509616e-09 4.08466754e-08
 8.69818617e-09 1.62793723e-10 6.00167141e-07 4.80396556e-11
 2.41703651e-06 7.24180222e-01 8.14824919e-09 2.66207917e-06
 1.08708684e-06 3.92847888e-08 1.45584811e-02 8.62228511e-09
 6.67690403e-10 2.16637663e-09 1.55800706e-08 3.53545033e-08
 1.02047082e-08 3.46144863e-10 1.14522863e-10 3.45754607e-08
 3.36301070e-10 5.00266140e-09 5.67132439e-08 1.28930235e-08
 1.67790759e-09 4.77929883e-11 5.01551405e-08 7.95601154e-11
 7.54888541e-10 6.63004096e-09 3.73257762e-08 1.75206932e-11
 1.25041734e-05 7.61500640e-09 1.29923251e-06 3.68327601e-05
 4.35242764e-05 2.60129184e-01 9.13079639e-05 9.32898456e-06
 8.94281431e-04 1.47960843e-12 5.19060350e-10 6.77774392e-10
 3.61109933e-08 1.93610616e-09 2.27500307e-09 2.69422955e-08
 1.67021175e-10 2.32200506e-07 5.37155487e-10 1.00036672e-08
 1.15581521e-07 7.78374272e-07 8.14997375e-13 1.56533389e-07
 5.54356783e-10 6.14636386e-09 2.86551782e-10 6.99670466e-07
 2.26495072e-08 8.01555924e-13]


0.7241802


29


[5.63321873e-06 1.31925873e-07 2.10141167e-08 3.25828779e-07
 1.41793421e-09 1.10083520e-09 1.85745497e-09 3.17898616e-06
 8.90247804e-07 9.87692772e-08 2.26052899e-10 1.54655936e-06
 3.95906318e-06 5.81244066e-08 4.06656873e-05 3.50417577e-06
 2.04311891e-05 7.23148957e-02 9.21417713e-01 1.06945037e-04
 9.59844670e-07 2.82766443e-04 6.00323347e-07 7.93752315e-06
 2.58410068e-06 3.31180194e-09 5.76724451e-05 9.45360679e-10
 5.52171841e-04 9.82168349e-05 6.17843057e-08 2.32119888e-07
 1.17931535e-07 1.38728300e-08 7.83929776e-04 7.50543379e-08
 9.20518062e-09 1.05469500e-08 5.70119205e-08 1.38487204e-08
 6.70170941e-09 3.48551255e-09 1.62565406e-09 1.82614901e-08
 1.11912941e-08 1.66705816e-09 5.80550761e-07 2.53137529e-08
 1.96420817e-08 3.77830101e-10 9.25856902e-09 7.75811060e-08
 1.20949508e-08 1.59352098e-09 3.02475598e-07 1.33801747e-09
 1.15825664e-04 2.78637401e-07 9.26858411e-06 2.21528262e-06
 1.91833917e-03 9.29202477e-04 7.52461983e-06 4.70009631e-08
 1.28524995e-03 3.99085280e-08 2.54778634e-08 1.52738799e-09
 1.09959929e-05 9.28517139e-08 3.04050985e-07 1.18871107e-07
 4.34820041e-10 7.74093536e-08 5.00049055e-07 4.71364352e-08
 1.47938337e-07 1.04583933e-05 3.79277987e-09 2.35527580e-07
 8.68640200e-08 1.03165911e-08 1.25786315e-08 2.21421502e-07
 1.52123732e-07 6.01533684e-11]


0.9214177


18


[5.3262923e-08 6.9220715e-07 3.5810237e-11 6.1087789e-08 4.0335764e-12
 8.0114887e-10 9.2045284e-13 1.1967979e-08 3.7377154e-07 3.5659084e-06
 1.0475670e-09 6.3079476e-08 1.6217929e-04 5.8036820e-10 5.8680312e-06
 2.5948657e-09 1.0897015e-11 1.8967397e-09 2.8551965e-09 1.1730090e-09
 3.1421570e-11 6.5589144e-12 3.5954686e-09 1.3996763e-08 1.4886318e-09
 1.4614704e-07 4.7963516e-07 4.8974901e-11 5.4119624e-09 3.5845505e-07
 3.1862948e-13 1.4482877e-09 1.7487462e-08 4.7465927e-11 1.1461167e-08
 8.9533109e-10 1.0605352e-11 1.6590176e-12 1.3450064e-11 6.4868333e-11
 7.0698940e-11 2.3222333e-12 1.5044914e-12 5.1765606e-11 3.0153660e-13
 7.1597452e-14 1.2399014e-10 5.6567941e-11 6.6149985e-12 4.6958944e-11
 1.3962193e-10 1.2324147e-11 2.1866292e-10 5.4909866e-12 1.6661636e-05
 1.5619515e-09 6.8313694e-10 6.3074337e-11 4.2868992e-10 6.8980334e-12
 2.5649743e-11 5.2101091e-06 4.4330811e-10 1.9109396e-11 1.1922623e-07
 3.0729935e-12 4.0620941e-13 1.4395992e-12 2.1262601e-11 5.1017983e-12
 1.9609438e-12 2.9875123e-11 6.8512227e-12 5.5561467e-12 7.2856365e-12
 4.3551347e-12 2.0425309e-12 2.3875027e-10 2.9751456e-14 1.6428123e-10
 2.0276670e-13 6.8016058e-11 7.9013331e-13 4.0419770e-09 9.9980408e-01
 5.3124894e-17]


0.9998041


84


[1.54604204e-05 4.17812153e-05 5.27309885e-09 9.99922156e-01
 2.84843026e-12 7.60472352e-10 1.45326765e-10 7.37353867e-09
 3.91634991e-08 2.81514247e-07 1.39440343e-11 1.62030986e-10
 4.51701831e-09 1.47719822e-10 4.65131961e-07 6.59626909e-10
 1.25708755e-09 1.59161377e-08 1.89440730e-09 3.23955807e-10
 6.26422317e-11 4.22602886e-09 2.55866865e-07 2.81857537e-09
 1.65601977e-09 1.34702098e-08 6.33557207e-08 3.66808493e-11
 1.01449565e-07 3.03721231e-06 7.74987435e-11 7.95715049e-10
 3.15414681e-08 4.94159558e-09 1.07201197e-06 2.34133104e-08
 1.88052369e-11 6.40949793e-11 2.41254328e-09 3.24133671e-11
 3.59953134e-08 7.99348712e-11 4.10483106e-12 4.71881245e-09
 1.02772938e-11 1.17275035e-11 4.05957667e-09 9.92015026e-10
 7.32680444e-11 1.21355942e-12 5.02045516e-10 1.14810261e-09
 2.98117375e-09 1.13987987e-07 2.71931435e-06 4.02320469e-11
 1.32028144e-09 3.48799375e-12 1.57540614e-09 7.75733522e-09
 8.37097769e-09 4.12590816e-06 6.61181048e-07 2.91697355e-09
 7.48520324e-06 4.71338316e-11 2.70606693e-09 8.20841398e-12
 7.91576041e-11 4.38028676e-11 5.74698455e-10 1.99048417e-11
 6.18331289e-11 1.53756818e-09 3.12624454e-10 1.62092492e-10
 3.40649620e-10 6.04061245e-09 8.26928695e-13 3.51690101e-11
 2.22824172e-11 5.01568648e-11 2.17303442e-09 8.66423433e-10
 6.19026919e-09 5.42856894e-15]


0.99992216


3


[1.15411829e-07 4.27109143e-07 4.45489312e-10 4.16969726e-07
 2.00712190e-12 1.86893415e-13 2.18833892e-12 2.63596533e-10
 1.25614164e-07 3.59672882e-11 1.10541552e-14 1.00299886e-10
 1.75505193e-07 1.41874498e-11 2.37690395e-10 2.00675441e-08
 2.70986817e-07 1.39523380e-08 7.64364294e-10 1.01877684e-09
 2.71662426e-09 5.77804679e-11 2.52650345e-09 1.07405844e-08
 3.12651516e-10 2.88482068e-11 1.63405134e-09 4.28409835e-10
 1.45173715e-02 1.25014543e-04 2.77206698e-03 3.82201560e-03
 5.16658707e-04 2.58472777e-04 9.77984488e-01 2.06630460e-07
 4.33017933e-09 4.80171423e-07 4.86762488e-08 3.71169975e-08
 3.49640118e-07 1.79396997e-09 1.45799151e-10 4.40202257e-08
 6.89029944e-10 7.94672106e-10 4.27284093e-08 1.04425318e-07
 1.47524881e-09 1.82660961e-12 1.94848120e-08 1.06508628e-12
 9.57160307e-09 1.51795174e-10 7.26208027e-09 6.89304896e-13
 3.86685173e-08 3.59120023e-09 2.21694894e-08 9.58011115e-10
 2.47905110e-08 7.64436891e-07 7.51561924e-09 2.64890193e-11
 1.31816762e-07 1.10963148e-11 3.66477118e-12 8.40469621e-12
 1.79371483e-11 2.52141363e-10 4.67095518e-08 3.07432794e-11
 9.13370157e-10 6.81901327e-08 2.69704509e-10 1.13277920e-09
 8.02474087e-09 3.94426758e-09 7.92562717e-12 1.25865327e-08
 5.00336404e-11 1.26888255e-09 3.08077538e-13 8.93629348e-09
 1.60646096e-09 4.27340861e-13]


0.9779845


34


[3.0921211e-07 6.4853305e-07 9.2759427e-09 9.9795026e-01 5.1496028e-07
 2.7033589e-09 1.4686699e-09 5.5627104e-12 4.5698370e-09 5.4004779e-08
 2.2211113e-09 1.8945835e-10 1.6870475e-08 2.8892218e-09 3.3705961e-05
 7.6318125e-09 2.3475635e-09 1.9019744e-09 5.4960445e-09 2.0689909e-07
 3.3829505e-08 1.8599444e-08 9.0644939e-04 2.2430932e-08 3.3348950e-08
 5.5764544e-09 4.4403208e-08 1.2724195e-10 1.0135615e-07 1.3581239e-09
 1.4430279e-11 5.6062870e-08 2.1389052e-08 6.7420682e-09 7.6386030e-08
 4.6660812e-08 6.5822910e-11 7.7576383e-11 6.0407196e-08 7.2296176e-11
 3.8819543e-08 8.0236668e-12 1.9628220e-12 4.7638755e-09 2.9189342e-12
 1.0394488e-12 1.6097152e-08 4.4206774e-10 1.6751371e-10 6.8375319e-11
 5.0826304e-10 9.6932529e-10 5.0063182e-08 9.7166142e-10 4.3562295e-07
 5.5452210e-12 1.0046552e-12 1.1625070e-13 3.1271608e-08 4.1602785e-10
 1.3120507e-08 1.1051954e-03 7.3618467e-09 1.0593010e-09 2.0613285e-08
 1.0336768e-10 7.4472584e-10 3.1244195e-11 2.1617921e-11 1.0248842e-09
 7.1111771e-07 1.9167289e-11 9.7473063e-12 2.0108433e-10 3.4318226e-08
 2.1046553e-09 7.0573465e-12 6.4553163e-09 9.9408481e-11 1.1229442e-11
 2.1095753e-12 1.1611549e-10 9.6646797e-09 1.7303261e-11 7.0581928e-07
 3.5508689e-13]


0.99795026


3


[1.38521762e-06 3.06200582e-06 1.45657273e-08 1.72057412e-06
 8.21629602e-13 4.32465383e-11 7.57005514e-10 1.37937111e-08
 1.09905544e-04 1.17208367e-06 3.16725530e-12 4.58475868e-10
 2.39788960e-06 1.74473547e-09 2.39487986e-06 8.18579426e-09
 1.26500730e-08 9.60055431e-08 8.18345782e-08 5.09021625e-08
 4.67800598e-09 8.39925740e-10 1.86749094e-06 1.78369035e-07
 8.43554471e-09 2.54497934e-09 1.85143176e-06 8.73726872e-12
 2.17295246e-06 2.85477436e-05 2.54937016e-10 2.92614077e-05
 5.03379027e-09 7.32085752e-08 6.66988839e-04 3.61447292e-07
 4.19753649e-10 5.41995115e-09 2.64561937e-08 6.48730270e-09
 1.90369374e-08 1.60333205e-10 3.13405080e-10 2.38202151e-08
 2.91560916e-12 1.20709042e-11 4.24549551e-09 1.25656676e-08
 4.05540712e-10 7.30622715e-11 8.43843828e-10 1.27423410e-11
 8.02247380e-10 9.49382795e-08 5.34712221e-08 1.18830776e-08
 2.02696810e-06 2.70990741e-09 1.88103149e-05 3.33261087e-05
 1.87068793e-03 9.93685067e-01 1.34374095e-05 1.70987059e-05
 3.50432517e-03 1.31916011e-09 3.48772095e-10 2.93990179e-11
 2.11056754e-08 6.99319314e-09 4.62751984e-07 2.85380093e-08
 3.00247743e-10 6.65465194e-08 5.12591170e-09 2.27351649e-09
 1.51011346e-08 1.28245105e-07 1.30815234e-10 5.48363088e-09
 2.90364705e-10 1.29449319e-07 1.73097958e-09 1.60279559e-08
 4.06274154e-07 3.09461788e-12]


0.99368507


61


[5.0935206e-08 2.5643946e-08 9.4424529e-12 4.5183772e-09 4.5527835e-12
 9.4705230e-11 6.2258204e-10 7.5547734e-07 2.7891299e-06 7.5627309e-09
 8.6610146e-12 6.5403936e-09 4.5932815e-08 6.0562028e-10 2.3038922e-06
 6.2238026e-10 1.1615563e-08 6.4283682e-05 4.6106332e-05 6.1550779e-08
 1.1094322e-09 4.0793381e-08 6.2656086e-10 2.5642589e-07 4.1615895e-08
 1.8144886e-08 1.5709473e-06 3.1086529e-11 7.6281372e-06 3.5296076e-03
 3.4698289e-09 8.8651664e-09 5.5368446e-07 1.4707732e-10 4.4468842e-07
 2.3821087e-08 4.2414783e-11 6.9619832e-10 4.7939426e-09 9.8421097e-08
 7.4915463e-10 7.7112122e-10 4.4353107e-10 1.0751837e-09 1.7293129e-10
 7.4757595e-10 2.4366182e-08 6.6821715e-10 1.1984479e-09 1.9835926e-11
 4.0510195e-09 3.9699329e-12 4.1821564e-09 7.5089088e-11 3.7591286e-09
 2.7309957e-09 1.0065862e-03 1.4313257e-06 1.3424690e-06 4.7109070e-06
 3.5169588e-03 2.1321648e-06 9.9092215e-01 7.7848972e-06 8.7633322e-04
 1.8042700e-08 1.4753138e-10 2.3688298e-11 1.6988396e-07 1.1672656e-09
 2.7170285e-10 4.8977715e-09 5.1470722e-10 1.4326463e-08 1.2876177e-08
 1.3306656e-10 1.0095216e-09 2.7639517e-09 3.3859235e-12 1.7151494e-09
 3.4465894e-10 2.7603642e-09 6.7284490e-12 3.3267706e-06 2.5997835e-07
 6.9164954e-13]


0.99092215


29


[1.25748384e-05 9.89199452e-06 7.81319365e-09 4.29992966e-08
 5.17506177e-13 1.04794840e-12 5.92129623e-10 4.76450004e-05
 6.35672404e-05 8.35074502e-07 2.03962151e-12 4.58273547e-07
 3.27093971e-06 2.00115924e-09 4.34787489e-06 8.46252647e-07
 5.81011967e-08 4.70963896e-05 9.92794071e-07 2.48989409e-07
 2.66390021e-08 2.29509425e-08 2.29067716e-08 5.32229797e-06
 4.79544511e-08 3.02181427e-08 2.28491102e-04 4.67522299e-10
 2.85982096e-04 5.61982505e-02 2.61708624e-06 5.68865653e-05
 2.36569122e-06 7.22008235e-06 4.23929214e-01 1.41759131e-07
 1.24287567e-08 2.21839294e-08 6.79010128e-08 8.23644029e-07
 1.81946902e-08 7.04665970e-09 7.02923275e-10 7.19330540e-10
 2.19722171e-10 5.02875186e-10 4.10122958e-08 3.71581059e-08
 3.15868909e-09 2.36509756e-10 1.84041067e-08 4.04869055e-11
 1.24096164e-08 6.23860252e-09 2.85700054e-07 9.70605551e-09
 2.24757520e-03 7.19057653e-06 1.36411973e-06 1.56845435e-05
 9.73176863e-03 2.34076083e-01 2.19227769e-03 6.72988290e-06
 2.70762056e-01 2.13830855e-08 1.67775724e-11 3.82539583e-10
 2.84413147e-07 1.54918045e-09 2.82314847e-08 8.88210991e-07
 5.63174174e-10 1.24411497e-06 1.06132321e-08 1.07172831e-08
 4.38702386e-07 1.25185534e-05 1.77259984e-10 4.27006768e-07
 1.97999359e-08 1.29901991e-07 4.09140444e-10 3.31682568e-05
 1.61901724e-07 5.42492050e-12]


0.4239292


61


[1.48022906e-07 9.99994278e-01 1.87383206e-10 1.64806053e-08
 5.95345577e-15 2.91781399e-12 4.56342603e-12 1.21037075e-07
 4.66768568e-10 8.08240808e-10 1.37456751e-13 3.95736173e-08
 1.37445024e-08 1.11978040e-11 1.46100973e-07 1.44532736e-11
 3.78650087e-14 7.69677638e-12 2.59053640e-10 5.20699315e-13
 4.13998263e-13 1.40051314e-13 9.85900250e-12 1.56940350e-10
 6.09312739e-11 2.52488558e-10 1.69216571e-10 2.73771863e-13
 2.11190759e-10 3.49764911e-10 3.51668369e-12 1.37895609e-12
 6.75163647e-10 1.57814147e-14 1.31546102e-11 8.96498153e-13
 3.37391925e-13 5.99232849e-14 3.54764503e-13 2.40942899e-13
 3.63061821e-13 9.11833882e-14 6.27988330e-14 2.43181447e-11
 1.70095015e-15 1.75539460e-13 7.74773420e-13 1.95875014e-14
 4.96097880e-14 1.06031855e-14 6.11773002e-12 6.11000101e-15
 2.65094977e-12 2.06286529e-12 6.63695721e-09 2.10949010e-12
 1.54392915e-10 2.58205870e-12 4.65741667e-09 2.86359797e-10
 1.69176066e-12 2.80520746e-10 1.44471493e-08 1.21153131e-11
 1.55985469e-09 1.53645204e-11 3.56945816e-14 3.28472838e-14
 4.25848159e-13 1.73714411e-11 5.12621230e-11 4.74315136e-11
 5.49249231e-12 1.94060965e-11 4.51650788e-13 1.00555441e-11
 3.10028114e-11 2.81030863e-12 4.55350682e-15 5.11229913e-11
 9.05234614e-15 2.55548031e-11 4.23243628e-11 5.72125958e-10
 5.27437260e-06 4.30898027e-18]


0.9999943


1


[1.17867630e-05 6.74532828e-07 6.93441848e-07 7.01523066e-01
 1.50670476e-09 7.50437152e-08 1.82985822e-08 4.69629491e-08
 1.82460266e-04 2.92247702e-08 1.00508726e-10 1.34095501e-09
 2.95863401e-07 8.11245382e-09 8.23792789e-07 8.31345659e-09
 2.39643468e-05 3.59297746e-06 6.36723485e-07 1.44966327e-06
 3.58698244e-08 1.14934380e-07 3.14123531e-06 8.45747195e-07
 2.63806982e-07 2.29932748e-08 4.60429474e-05 8.42335481e-08
 3.12739750e-04 3.40405595e-03 4.72151805e-05 2.60642054e-03
 9.90103654e-05 9.61486221e-05 2.35751108e-03 2.85027181e-05
 6.47623111e-09 5.76857246e-07 1.17767127e-06 5.88947103e-07
 2.55287864e-06 1.07378105e-06 7.61278471e-08 2.28026311e-05
 8.28935853e-09 1.19182772e-07 3.25115366e-07 1.34540460e-06
 7.97235316e-07 8.13438927e-10 6.84054385e-07 2.31553674e-08
 4.38066706e-07 1.59548901e-04 5.49834567e-07 4.92087204e-10
 5.74727819e-05 1.39954398e-06 4.45874321e-05 3.00092739e-03
 2.22641502e-05 3.13636527e-04 1.06111635e-03 3.91717907e-03
 2.80633152e-01 2.27231300e-09 1.48937325e-08 2.72023559e-09
 3.63127235e-08 1.21465931e-08 8.98685215e-08 4.84143605e-08
 6.45211813e-08 9.26373332e-07 2.60369095e-08 2.48104385e-07
 1.02061293e-07 1.94043068e-07 2.28362729e-09 1.08172252e-07
 4.38389325e-09 1.37624298e-07 2.58981334e-08 8.61201784e-07
 8.83166308e-07 2.69502726e-10]


0.70152307


3


[5.26909901e-07 3.50956839e-07 2.10089945e-09 9.09968563e-08
 1.38187434e-10 4.18759341e-12 2.63037543e-11 4.00852471e-08
 7.20636649e-07 6.13396070e-11 4.37289738e-14 8.03714817e-10
 9.33613009e-08 4.82931577e-11 1.14287557e-09 8.88903973e-09
 2.84777855e-07 6.99955010e-08 9.74346470e-09 4.16249168e-09
 1.80370527e-08 4.35999947e-09 4.98552239e-08 3.21113127e-08
 8.62366956e-10 4.68573136e-09 1.22678060e-07 2.81733303e-08
 2.10704491e-03 1.27005330e-06 9.66957986e-01 1.67705584e-02
 7.72945397e-03 3.77885473e-04 6.04817178e-03 1.98245033e-07
 2.08962980e-09 2.47150297e-06 4.22905977e-08 8.75178259e-08
 6.30963939e-08 2.53703917e-07 3.75305814e-10 2.43632048e-08
 2.03878781e-09 1.52062086e-07 2.65951940e-07 2.04390219e-07
 7.48024434e-08 1.51217528e-11 9.83873036e-08 2.04016947e-12
 3.66833248e-08 4.96033659e-09 4.89214358e-08 1.30203088e-11
 5.82483182e-08 4.60338470e-08 1.24206725e-08 2.18040324e-08
 1.71686505e-08 1.66007286e-09 1.00424402e-09 3.98390099e-10
 3.08700066e-07 1.30993220e-11 7.79451503e-12 4.44890846e-10
 1.13036185e-10 3.40867085e-10 1.18218665e-07 2.37607101e-10
 9.33606636e-10 2.95483833e-08 1.94153527e-10 3.97141564e-09
 1.68882252e-07 8.86490770e-10 2.17824565e-12 2.67266984e-07
 2.43203149e-11 2.51388993e-10 1.64064766e-13 7.83163614e-08
 1.31187949e-08 1.90516325e-10]


0.966958


30


[1.28997397e-06 1.89853353e-07 1.10315902e-07 9.88291919e-01
 5.70242235e-04 3.18767945e-07 7.80063303e-09 1.39322220e-09
 2.79488773e-07 6.75203138e-09 3.86852284e-09 9.05120090e-10
 6.08729707e-08 6.03446493e-09 1.23507681e-03 8.00776689e-09
 7.97784452e-08 6.23856693e-07 3.09869336e-07 1.11469421e-06
 1.15687158e-07 1.14814920e-05 1.79922197e-03 1.60531727e-06
 1.91871408e-07 8.37084144e-08 1.30353292e-04 9.39974409e-09
 3.73149049e-07 2.18912943e-10 8.81735129e-09 4.35202264e-06
 1.76504261e-06 4.21390247e-08 4.74374565e-06 3.45150293e-05
 1.13569076e-09 9.94546934e-09 3.41101304e-06 2.21003171e-09
 8.48125055e-08 8.77236175e-07 7.68165420e-10 6.48495160e-08
 1.67388958e-09 8.42002823e-09 1.12067546e-07 5.75323327e-08
 2.98283709e-08 3.05978520e-10 2.77083405e-08 1.73459203e-08
 1.02894397e-07 1.96459246e-06 1.61643584e-07 4.29140778e-10
 3.47717943e-09 5.80961772e-11 3.67790335e-06 5.83895385e-08
 2.72651073e-06 7.65910698e-03 6.39529532e-08 1.46977309e-05
 1.34572620e-04 4.15153634e-10 1.25272983e-08 1.34086680e-08
 9.68881153e-08 1.20423316e-08 8.61352601e-05 8.42699743e-10
 2.63012523e-09 1.11224814e-07 1.79028461e-07 5.57081385e-08
 8.11487695e-08 7.00199166e-07 3.02827488e-07 2.05486366e-08
 7.21283366e-10 4.64522998e-09 6.96867630e-09 1.09029119e-09
 1.40912428e-08 1.72966175e-09]


0.9882919


3


[8.72682620e-07 2.55906940e-07 1.29699113e-10 6.52915924e-06
 1.89012264e-10 4.03540668e-09 1.07927695e-10 6.55231389e-08
 8.16822067e-05 2.80447363e-08 9.53241392e-12 1.94003064e-10
 3.01323666e-07 3.32403272e-10 2.73901701e-08 1.29449584e-09
 1.00203231e-07 6.46272511e-08 2.74843188e-08 1.65658314e-08
 4.69605199e-09 7.74070941e-09 4.62259635e-08 2.33766897e-07
 7.39198995e-08 4.56732351e-07 2.44463328e-03 4.25108920e-10
 9.59081081e-06 1.27582280e-05 2.34366254e-07 2.88525293e-08
 1.87185814e-03 4.15443147e-08 3.24701221e-04 8.22265247e-06
 4.67346051e-10 9.03167034e-08 2.48839086e-07 6.81920440e-08
 5.66648986e-08 1.92974440e-07 2.24072885e-08 4.06864906e-08
 1.51416379e-09 1.39153356e-08 1.23568595e-08 6.76558258e-08
 3.26939320e-09 2.03198708e-10 1.77874924e-07 9.38377293e-11
 8.43489634e-09 7.39372126e-07 4.18929346e-07 1.91414919e-08
 8.64862639e-04 3.36045537e-06 2.82268666e-05 2.59462263e-06
 5.95006421e-02 9.38463418e-05 7.20023394e-01 8.88873939e-04
 2.13826850e-01 4.90110263e-09 8.36188363e-09 4.69809247e-10
 2.95469995e-08 1.55228344e-10 3.30006089e-09 6.97081930e-08
 7.72675035e-10 2.08546894e-07 2.83057910e-09 9.57678559e-09
 5.94080120e-07 4.64804344e-07 7.89605714e-10 3.07917212e-08
 5.85676574e-08 2.11351079e-08 2.59376104e-10 7.09170706e-07
 2.53499408e-08 2.02972875e-10]


0.7200234


64


[3.13626387e-08 2.29308625e-07 2.72732792e-09 2.33361629e-06
 5.94990890e-10 7.38025534e-08 1.74417181e-09 3.40551901e-06
 1.10258827e-06 1.65235470e-08 2.47680934e-08 1.08313294e-07
 1.68504243e-06 1.33519023e-07 1.07961264e-03 1.87931605e-07
 1.05134930e-07 1.89167485e-02 3.22056442e-01 4.39461292e-06
 1.69765766e-08 2.41549933e-04 6.27181691e-07 3.11992562e-06
 5.55772999e-07 4.39367625e-07 3.83717916e-03 2.77233858e-09
 1.24573116e-05 1.95176744e-05 7.61429675e-08 1.65810707e-08
 2.64508884e-07 6.27292593e-06 7.65339507e-07 8.69046517e-07
 8.34859293e-09 1.03534887e-07 2.05749203e-07 3.43895863e-08
 4.74682693e-08 6.12920346e-08 6.17750828e-09 5.60307996e-08
 2.52386734e-09 3.85887544e-09 6.89881077e-08 1.07063336e-07
 8.15290022e-08 2.02244510e-09 5.26368638e-08 1.42422171e-10
 1.64039136e-07 8.99841481e-08 4.01790530e-08 1.78644868e-07
 3.89327947e-03 9.20183595e-07 3.02447792e-04 6.17177011e-06
 2.91970233e-03 5.52830752e-04 2.32135411e-03 6.43767476e-01
 2.91336310e-05 6.10999180e-08 5.03310780e-08 1.06615028e-09
 5.64897533e-08 5.92304250e-09 1.05808402e-08 2.10473701e-08
 2.48021337e-08 5.48362991e-08 3.97859310e-08 2.85389262e-07
 1.21646892e-07 6.52237929e-07 1.63495848e-08 3.44264706e-08
 2.83261812e-07 1.65747451e-08 1.98195202e-08 7.97812481e-06
 5.39904659e-06 1.32541561e-10]


0.6437675


18


[1.15005196e-08 7.84150834e-05 1.89026182e-12 1.59788203e-06
 5.50530238e-12 4.61950371e-08 1.47579921e-10 3.58421959e-09
 3.93233586e-06 1.04581295e-08 2.99214542e-10 2.70172720e-08
 5.34800754e-04 3.86156940e-10 3.98220436e-06 4.45585825e-11
 2.18324360e-12 1.02224118e-09 1.43531986e-08 2.39657377e-10
 2.02804457e-11 1.40506695e-11 3.07287286e-11 1.24111610e-09
 4.10111972e-10 3.90402929e-05 1.53667042e-05 1.30437203e-10
 2.97870002e-07 1.93568255e-08 5.75837600e-10 1.04416163e-10
 1.34812371e-05 3.06401504e-09 3.48629250e-08 3.32239181e-10
 3.85359869e-11 4.21586821e-10 3.48348406e-10 3.86936982e-10
 2.16928225e-10 1.35930281e-10 1.77526344e-11 7.05001960e-11
 2.01984805e-12 1.52050941e-11 3.87426376e-11 8.26173158e-11
 2.48197036e-11 1.48180135e-10 1.87456739e-09 1.55274415e-12
 2.46288212e-10 3.34561545e-10 2.49537570e-05 5.89095954e-08
 1.43571626e-07 6.86585988e-09 5.52634161e-09 1.10842967e-11
 1.78721223e-07 4.45653381e-09 2.31122631e-05 7.72802764e-08
 1.06678215e-07 3.94142163e-10 1.87353605e-11 1.70464129e-11
 1.02643734e-10 4.17983634e-11 1.43487078e-12 3.45794016e-09
 2.64933830e-09 1.53028805e-11 4.48232527e-11 8.49396178e-11
 1.08149756e-08 2.13573315e-09 1.79598402e-11 5.26713784e-10
 1.88246953e-11 2.87119262e-09 6.67238140e-11 1.21268204e-06
 9.99259055e-01 4.72031175e-15]


0.99925905


84


[1.05581137e-07 2.49032155e-06 2.61591443e-12 9.99829650e-01
 4.67049732e-10 2.22343708e-08 1.23086186e-09 1.77890896e-10
 2.40975652e-07 2.03355599e-09 9.84010234e-11 1.92779695e-10
 2.47135517e-07 1.47556661e-10 1.10282308e-07 3.22687905e-12
 1.09458574e-10 2.42560017e-08 7.42827311e-09 2.25721819e-09
 1.68462910e-10 6.03769257e-09 1.38286689e-08 2.96949754e-09
 2.73070833e-09 2.77009872e-06 2.09187856e-05 3.34624273e-10
 4.27687638e-07 9.72861258e-08 9.76262360e-09 1.55777846e-09
 2.21705750e-06 7.53490141e-08 2.12431110e-06 1.07305738e-08
 1.57068369e-11 4.66027272e-10 4.23153601e-08 1.24268665e-10
 8.89417606e-09 1.91028610e-10 5.14404526e-11 5.64717828e-09
 6.73755635e-11 7.08388737e-10 2.62437766e-10 8.15636614e-10
 4.25263352e-10 1.45455228e-11 1.60055164e-10 1.04582447e-10
 1.29438316e-09 3.31234951e-08 3.72745944e-07 6.90906429e-11
 1.64653500e-07 2.08634376e-09 4.25302504e-09 7.62518104e-10
 7.86788314e-06 6.65476705e-08 1.02239443e-04 3.44225441e-07
 2.06646491e-05 2.91178859e-10 4.10752765e-09 1.33407738e-11
 3.75457554e-10 2.05977076e-11 1.29739053e-10 2.85513196e-10
 1.49323331e-10 3.45670020e-10 4.29890035e-09 7.98135669e-10
 5.06468367e-10 8.03140399e-09 1.93837127e-10 5.32147486e-11
 1.24943467e-09 1.20236616e-11 6.56257138e-09 6.06573280e-08
 6.46731087e-06 9.21958975e-14]


0.99982965


3


[2.9139761e-07 1.4515389e-08 3.5935199e-11 8.7807891e-08 1.5433207e-11
 5.2598401e-14 1.0828235e-11 1.6290693e-09 1.2298923e-07 3.9592687e-12
 1.4496420e-14 1.2058299e-10 1.7146881e-08 3.5211239e-12 3.8990073e-09
 3.4058960e-09 1.8356847e-07 9.4488577e-09 1.9962373e-08 5.1768261e-09
 4.6771578e-09 7.9984268e-09 7.3065863e-08 6.0809057e-08 7.2752615e-10
 1.1262301e-09 2.2890838e-06 3.2636820e-09 1.1870550e-04 3.6854279e-05
 1.1543442e-03 3.2979068e-03 2.6242038e-05 1.8768886e-03 9.9348408e-01
 1.0518133e-07 2.7201086e-09 7.7670978e-07 3.4272656e-08 5.5785570e-08
 4.3308340e-08 2.7959432e-10 8.1084618e-11 8.2127349e-10 2.3413360e-09
 1.3315796e-09 4.0338848e-09 1.3892758e-07 5.5238356e-09 8.6097535e-12
 2.7392852e-08 3.5112370e-13 9.4094488e-10 5.0399789e-12 1.1815095e-08
 8.9568565e-13 3.0011115e-08 2.7172487e-07 8.2281044e-09 8.7285490e-10
 7.9661696e-08 3.3156923e-08 6.0986287e-09 3.4156072e-10 2.7473485e-08
 2.7165881e-09 3.2496963e-11 5.4676528e-12 4.0689346e-10 2.1889830e-11
 8.1048718e-08 6.4356943e-11 1.3075242e-09 3.9189235e-08 8.0849311e-10
 1.3555053e-10 2.1976167e-08 4.3387609e-09 6.8819034e-11 3.6621357e-09
 1.2594836e-09 1.3281958e-09 1.0164287e-12 2.7839251e-08 6.8368387e-09
 5.4505429e-13]


0.9934841


34


[5.91729804e-06 6.50517495e-06 1.68726699e-09 9.82625604e-01
 6.10680431e-08 5.53858293e-10 1.67578196e-09 2.06764453e-10
 2.49658766e-10 7.58369296e-08 1.70255809e-09 1.24399824e-10
 2.46809551e-09 2.14694595e-09 4.67910519e-04 3.94462454e-08
 3.78442749e-10 1.95133438e-08 5.08780040e-08 4.06557916e-07
 5.19695256e-08 3.20564084e-07 1.67928841e-02 3.01195513e-07
 5.34715639e-07 2.79668289e-08 1.25356792e-07 3.77601873e-11
 6.55776766e-09 9.48165366e-11 1.25239608e-12 2.27128344e-10
 3.71457795e-11 1.25988275e-09 5.87115112e-09 2.31596804e-08
 5.45972711e-11 7.29032806e-12 6.05154256e-08 1.14595434e-11
 8.40596304e-09 1.83842394e-12 1.26180967e-12 2.19643437e-09
 9.16006962e-13 5.23371223e-14 5.35943179e-10 4.12885975e-10
 4.91275388e-11 3.96052375e-12 1.35406035e-11 2.04294870e-09
 3.79739395e-09 5.06247444e-09 3.08475660e-06 5.88873828e-12
 9.13492304e-14 1.27581929e-12 4.06259630e-08 2.42034809e-10
 9.01267505e-09 7.55528381e-05 2.80244983e-08 4.36768177e-09
 3.24440670e-08 3.46116380e-08 3.57978619e-10 9.23378474e-12
 1.77363749e-10 7.15642101e-10 1.95401735e-05 2.07337481e-10
 2.52279864e-11 1.89234739e-09 4.24987912e-09 2.01681516e-09
 2.07504725e-11 1.31030893e-08 3.77738174e-10 1.50053598e-11
 8.94222127e-11 3.71962044e-10 3.55612748e-08 4.84732254e-10
 5.73117120e-07 1.83134649e-13]


0.9826256


3


[1.59648401e-08 5.65579690e-08 2.15732010e-09 2.16931198e-06
 1.13259222e-13 9.25854039e-14 2.85869054e-11 5.09621358e-08
 1.69555835e-06 5.58733326e-09 2.41739761e-13 5.06280781e-12
 1.11259112e-07 1.02796868e-10 6.62351809e-08 6.37917885e-10
 2.37015130e-10 1.94065333e-08 5.74560488e-09 1.04466391e-08
 1.53114021e-10 4.19196289e-10 4.14726628e-07 3.13324300e-08
 1.45833823e-09 4.29263319e-10 2.59815579e-07 3.02302497e-12
 2.83734238e-07 3.44829896e-05 3.93138186e-13 9.52473147e-06
 6.90342618e-12 7.22104048e-08 1.90102628e-06 1.20128680e-08
 4.11140601e-11 1.01739658e-10 2.99354763e-10 1.50629842e-10
 2.25626726e-10 1.32504788e-11 4.74417207e-12 3.61238151e-10
 7.45629415e-14 6.46425594e-14 6.76621328e-11 1.02825159e-09
 5.74815334e-11 4.05359394e-13 1.55891324e-11 4.26570515e-11
 7.43055270e-11 1.05843823e-09 3.00359043e-10 4.52040575e-12
 3.25313181e-07 5.63889664e-08 8.05676700e-06 1.60111704e-05
 6.25036535e-07 9.99246955e-01 1.78237281e-06 3.67520872e-04
 3.07265873e-04 1.04930779e-10 7.36622915e-12 1.03508998e-12
 4.02241546e-10 1.12557116e-10 6.94101310e-09 3.65527875e-09
 8.57252380e-10 1.20952688e-08 4.91337693e-10 7.03027914e-10
 1.24119803e-09 2.65337849e-08 1.34951883e-10 6.37368158e-10
 2.46492358e-11 7.34616563e-08 2.53193022e-11 1.02482041e-07
 2.46140264e-09 2.88223698e-12]


0.99924695


61


[1.40970155e-06 1.42615681e-06 5.82810189e-10 1.58472758e-07
 7.16690665e-11 1.49424736e-10 8.35793301e-09 4.02332807e-05
 5.78369099e-06 7.34149523e-08 2.99499418e-11 6.78269714e-07
 2.10531539e-07 9.15771015e-09 1.67024293e-04 1.84630665e-07
 4.89150978e-07 1.34885227e-02 3.72208506e-02 2.36588730e-05
 3.60807377e-07 1.54166541e-04 1.11138334e-07 1.21224839e-05
 1.07919129e-06 1.31396371e-06 4.40805161e-06 5.27053567e-10
 4.13979833e-05 9.28990424e-01 6.81169210e-09 4.35853700e-08
 2.61476671e-08 2.38214271e-09 6.99402972e-06 9.23890525e-07
 2.32569697e-08 1.09325704e-07 1.99203836e-08 3.67555936e-06
 3.14809689e-08 1.16905703e-08 2.08962092e-09 8.08177025e-10
 9.46702272e-09 8.51549553e-10 4.36465371e-07 2.33836488e-08
 1.43007995e-07 4.52711979e-10 5.07178335e-08 1.22693311e-09
 3.53228415e-08 2.37825537e-10 3.31260779e-08 4.75027795e-09
 2.28332495e-03 6.65345897e-06 1.54919076e-06 1.37173029e-05
 1.92036282e-03 1.57978342e-04 1.06872665e-02 3.74136448e-06
 9.01573861e-04 8.16276611e-07 2.07931272e-08 2.11347473e-09
 1.76145659e-06 1.66844458e-07 5.75056713e-09 9.85788120e-07
 1.99048475e-08 6.01506997e-07 4.19537741e-07 2.30097830e-09
 8.14915424e-09 1.73627498e-07 2.63239847e-10 5.18320853e-09
 3.60806984e-09 2.16335309e-07 2.22922747e-09 3.84908612e-03
 8.95003552e-07 7.30613920e-12]


0.9289904


29


[5.1524321e-08 1.9132929e-07 5.6159931e-11 1.0204675e-09 1.1621585e-13
 3.1611215e-14 2.1340516e-11 9.6564383e-09 4.1601697e-06 4.7986548e-09
 4.1397249e-15 2.9622598e-08 5.0668414e-06 4.4672151e-11 6.6950264e-08
 8.8085859e-09 2.2840242e-08 1.4744336e-06 2.3457585e-07 1.2889866e-08
 1.5210838e-09 3.4424787e-09 8.0148149e-10 1.1667684e-07 9.9277175e-10
 7.0199784e-09 2.2960051e-06 6.3931551e-12 4.7550115e-04 4.3960544e-04
 3.0436354e-07 2.2925866e-05 2.8313039e-07 2.0872604e-07 9.9786025e-01
 9.6740216e-10 2.5414009e-09 2.1789155e-08 9.4774133e-10 1.7016699e-08
 3.9386849e-09 1.9147302e-10 2.4345243e-11 2.8019601e-11 1.3598793e-11
 5.5947677e-12 2.2247564e-09 7.0311235e-10 9.4936732e-11 1.0561803e-11
 1.6262578e-09 7.2171727e-11 2.7140246e-10 2.0374462e-10 7.5343971e-09
 1.5724058e-10 1.4942849e-05 7.5619039e-07 2.4582180e-08 2.5691523e-07
 1.1132433e-04 3.2317630e-04 3.4434379e-07 2.5097274e-10 7.3608226e-04
 6.5769318e-10 8.7929734e-13 1.4991034e-11 1.0342388e-09 6.5778563e-11
 2.0937116e-09 3.7206742e-09 5.5175788e-11 7.7979330e-09 1.7517848e-10
 3.5060513e-10 8.0454825e-09 1.3196151e-07 4.2171956e-12 1.6081923e-08
 7.3521668e-11 8.3829693e-10 5.8888419e-12 1.0786234e-07 1.3035640e-08
 2.1640606e-14]


0.99786025


34


[4.26887823e-07 9.99998689e-01 6.15072271e-10 7.39451139e-07
 3.49687693e-14 1.14331765e-12 1.49987303e-12 7.25320382e-09
 1.66799879e-10 5.84844340e-10 2.69142008e-15 6.40013598e-09
 1.02040261e-08 3.89227452e-12 1.15396741e-08 2.40869436e-10
 1.27739060e-13 2.96984937e-11 7.84271759e-09 4.56353531e-11
 1.66012013e-11 6.79745236e-12 1.68287120e-10 1.75110107e-10
 7.05868090e-12 3.04212933e-10 6.94071493e-12 2.67283754e-13
 5.59286235e-08 1.98920080e-08 9.19025056e-13 9.40427625e-10
 2.86676904e-10 9.80763734e-12 3.76395110e-10 2.33745721e-13
 4.80504352e-12 7.95246735e-13 5.97998474e-12 1.73625884e-13
 9.66745087e-12 5.93935301e-14 2.93853178e-15 2.15823297e-11
 6.72300215e-16 9.17535396e-15 3.07834964e-12 5.76884054e-14
 7.68500864e-14 4.42583821e-15 4.69375949e-13 1.08117915e-13
 1.07089173e-11 1.08577218e-11 1.60125657e-09 1.34375380e-13
 1.88356730e-12 2.69606765e-13 3.97371129e-11 3.96591744e-12
 3.72519771e-14 5.47680901e-10 5.52109356e-13 2.77099443e-14
 3.91427619e-11 9.34246983e-14 1.33755981e-14 9.58988477e-14
 1.31567378e-13 8.91254778e-12 1.88353680e-10 2.22046036e-12
 9.03376603e-13 5.44006333e-12 9.96047388e-15 2.85985367e-11
 5.13244794e-11 1.05335391e-12 1.39865807e-14 4.43155755e-11
 1.01551765e-15 1.55913639e-12 2.26327169e-11 2.02046269e-10
 9.02550497e-08 3.29779506e-17]


0.9999987


1


[5.06661672e-06 2.26284612e-07 1.39401664e-07 7.27250814e-01
 4.84176255e-09 4.94044379e-08 2.82311907e-09 2.00715888e-10
 5.16883802e-06 3.38535457e-08 5.87922116e-12 3.51945162e-09
 2.51180018e-06 9.27138311e-10 6.09769359e-07 1.83045268e-09
 6.85708628e-08 2.86471362e-08 6.45007106e-08 1.85654429e-07
 2.63155187e-09 4.48189041e-08 4.80760582e-06 1.10609044e-07
 6.77407797e-10 2.26935430e-08 6.64965683e-07 1.09649045e-08
 2.12858364e-01 3.76767218e-02 1.62536253e-05 1.20944378e-03
 2.28015251e-05 5.80017186e-05 1.95038132e-02 9.57487191e-06
 1.65545693e-08 3.06511623e-07 1.57628619e-06 9.19231002e-09
 2.22473341e-06 1.16892195e-07 2.99074321e-10 5.74210981e-06
 7.95726862e-09 5.39274980e-09 9.54148121e-08 6.12688282e-08
 8.62785612e-08 1.37125103e-10 9.62686784e-08 1.44117474e-08
 3.26577521e-07 1.82105487e-06 1.12832353e-07 1.94946490e-10
 4.33953389e-08 3.00374808e-07 4.31884303e-07 4.68650705e-06
 5.64346146e-06 2.13890336e-04 8.98458723e-07 9.60366862e-08
 1.13497500e-03 1.16809090e-10 1.17779198e-09 1.87347116e-09
 2.31801289e-09 1.12928911e-09 2.26140500e-07 2.37215563e-08
 1.08993004e-09 1.11828258e-09 5.57576101e-08 3.38231487e-08
 4.20274837e-08 2.20634462e-08 1.02210391e-08 3.69355613e-09
 3.78459292e-10 2.06742468e-09 8.42470893e-09 2.28687711e-07
 1.28209422e-07 1.04380178e-10]


0.7272508


28


[2.55305190e-06 2.90278490e-09 7.45684625e-10 9.36105153e-07
 3.08136155e-11 1.27134595e-10 6.52624510e-10 4.53303564e-08
 1.65516256e-09 8.63153904e-09 2.53380320e-11 6.13231691e-07
 2.99325031e-09 3.48461953e-08 1.05428207e-05 3.14225332e-07
 2.98792452e-06 9.66332853e-01 8.28254595e-03 1.62952914e-04
 5.39123278e-07 2.85728456e-04 2.46181821e-06 1.50361666e-06
 5.17158242e-07 5.80060622e-08 7.15896840e-06 6.28126995e-10
 8.00441740e-06 1.91675331e-02 7.74036213e-09 5.15582428e-07
 2.91005264e-09 3.64501138e-05 2.98280711e-03 4.70031750e-07
 7.61213670e-09 5.33886890e-08 3.26994005e-08 1.10353966e-07
 2.87796738e-08 3.99953903e-10 1.99963907e-10 2.45127207e-09
 3.32939731e-10 1.09856126e-11 4.47206219e-08 7.79717180e-09
 5.66811353e-09 2.37959458e-10 6.37516206e-10 2.14546105e-08
 3.68857407e-08 5.34198241e-09 4.66281200e-08 1.94082528e-09
 2.79301403e-05 3.12508277e-08 6.91458865e-07 8.66449625e-07
 1.74147208e-04 2.48416071e-03 4.33478999e-06 8.54096288e-06
 5.92982269e-06 1.52275330e-08 1.54123789e-08 1.99294498e-10
 8.93407389e-07 1.15084667e-07 1.59838521e-07 3.41391804e-08
 1.03356790e-09 5.28546273e-08 4.24364401e-08 2.99873615e-09
 7.83470622e-10 1.43519571e-07 6.16439844e-10 1.77285364e-09
 9.12883369e-09 1.47181201e-09 2.68856248e-09 1.37728011e-06
 4.17276347e-08 5.75962715e-12]


0.96633285


17


[2.37023560e-05 1.57533890e-07 1.57416071e-08 5.17854414e-06
 9.21923995e-12 1.42095891e-08 5.56031132e-09 1.92877927e-08
 5.20004483e-04 4.10803587e-08 1.71509898e-12 5.20794741e-10
 4.56565213e-05 2.44004195e-09 7.19986417e-08 4.33356639e-08
 6.80644007e-07 6.47733200e-09 2.92409474e-08 4.74498222e-07
 3.49492893e-07 2.32887956e-07 2.43954617e-07 1.33235949e-06
 1.63175269e-08 3.18564009e-04 7.72944550e-05 1.81321695e-08
 2.09431339e-04 1.09849572e-01 4.70956536e-07 1.47793302e-02
 7.07753527e-04 8.72698438e-05 6.51603281e-01 1.88160793e-05
 6.22479845e-08 2.40995587e-06 3.84591249e-06 9.14509019e-06
 1.32550485e-05 1.22288014e-07 3.35804593e-08 1.50698907e-06
 7.46235962e-10 5.30973843e-08 7.02467673e-07 7.97851612e-07
 3.49250797e-08 5.75570924e-09 5.15617603e-06 1.07530351e-09
 9.50073570e-07 4.33739115e-06 4.03354461e-05 4.22474855e-09
 7.38911214e-04 8.27188444e-07 7.31084845e-04 3.03053716e-03
 4.87847210e-05 1.92599028e-01 6.08196773e-04 4.84014075e-04
 2.33414527e-02 1.30803102e-07 1.18443852e-10 1.08481690e-09
 8.96744154e-07 4.13169410e-09 3.13114623e-09 1.25831960e-07
 9.63918367e-09 4.21330526e-07 4.10254657e-08 4.50434889e-08
 3.76196340e-06 1.80908717e-06 2.75337142e-10 4.06337585e-06
 5.35029843e-09 9.40545135e-08 4.36670117e-10 1.76336252e-05
 5.52666206e-05 6.61040710e-12]


0.6516033


34


[2.8282409e-06 5.7076704e-08 1.6007838e-10 1.1045582e-10 1.7099755e-12
 1.7333485e-09 4.2651493e-11 5.5797017e-10 1.6875431e-06 4.6177862e-09
 2.0315082e-10 4.9083120e-08 7.7918577e-07 7.3252822e-09 2.7613828e-03
 7.4688202e-09 1.7901719e-10 2.2001284e-07 2.7678661e-05 2.0488665e-07
 8.4086033e-10 1.7910446e-08 5.5424926e-10 4.6111612e-08 5.7659553e-09
 7.6725608e-04 1.1267916e-08 4.8222829e-11 2.0991409e-07 9.8553699e-08
 1.6212789e-10 6.2531935e-09 1.2282125e-08 1.1669231e-08 1.7489628e-10
 3.6085336e-08 2.0585937e-10 8.4432367e-10 1.5737770e-09 1.8982586e-08
 6.3054573e-10 3.3080261e-11 1.3929346e-11 7.2262263e-09 2.5009489e-13
 1.7426852e-11 3.2385994e-09 2.2306390e-10 1.8808316e-10 4.6299874e-11
 4.1576986e-09 1.8584837e-13 3.2767500e-09 3.5786457e-10 6.0834402e-05
 9.5539377e-08 1.2394804e-08 3.1352121e-13 1.5686105e-09 7.5938415e-11
 2.6906501e-09 1.1045487e-08 5.2658744e-10 1.2641866e-09 2.4792739e-08
 2.4017976e-09 1.2142894e-13 1.8158069e-12 2.3864760e-10 3.1957550e-10
 1.1119336e-13 6.4526393e-09 1.1487362e-10 3.0713630e-11 6.4591921e-12
 4.8394490e-11 1.5235418e-10 5.5047938e-11 9.7851620e-13 2.1415379e-10
 9.7503223e-13 2.0913588e-10 2.5167511e-12 4.3649577e-09 9.9637634e-01
 1.1874313e-15]


0.99637634


84


[8.7819546e-01 2.9624227e-06 4.8619415e-07 9.1279864e-02 1.5475062e-10
 5.2405712e-06 5.1405640e-09 4.4649118e-10 1.2248656e-05 1.8593796e-07
 6.8966000e-12 2.3695976e-09 2.4110106e-10 9.3518395e-08 2.5534843e-07
 6.3072264e-08 6.6758940e-07 1.5605519e-07 7.9139916e-08 2.5846040e-07
 2.1757408e-07 4.3306599e-07 5.5453697e-08 1.8579279e-07 1.7867508e-08
 9.6958345e-08 2.2889711e-08 4.8883866e-09 1.3483112e-05 2.2445142e-06
 7.6730604e-09 9.1018990e-08 1.2485527e-08 1.1634535e-07 3.3760475e-06
 2.0665568e-06 6.2062689e-08 8.3303950e-09 5.1726528e-07 1.2958941e-09
 1.2038920e-06 6.9014265e-09 3.2957144e-09 8.1360149e-06 6.6649131e-11
 9.8249653e-10 1.0935765e-07 6.5367104e-08 3.4010965e-09 9.4308908e-11
 5.6142673e-09 5.7292503e-08 1.0342888e-07 1.0794676e-04 3.0349314e-02
 4.6907349e-09 4.8870880e-10 2.1494894e-12 1.6437285e-07 1.0653275e-08
 4.9333771e-08 3.2087989e-06 3.7610626e-08 3.0981102e-09 5.5402379e-06
 5.4699136e-08 1.8402540e-08 1.3316282e-11 4.8702647e-10 3.2334304e-09
 5.5004921e-09 1.2600185e-09 1.7323432e-08 2.7575933e-09 5.8736971e-10
 3.6809711e-09 2.6647095e-08 9.1180233e-08 1.0114980e-09 2.7593544e-10
 5.3600913e-10 1.4440475e-10 3.0814398e-08 3.1380082e-10 2.7315646e-06
 2.7184635e-12]


0.87819546


0


[5.52519566e-07 4.05650002e-09 2.77574103e-10 9.99951601e-01
 5.54306011e-11 5.93928355e-08 7.77165485e-11 5.85774007e-12
 7.75857458e-08 3.66920938e-10 1.04226090e-12 2.72541330e-11
 1.02109576e-09 4.94341679e-10 8.28787539e-10 6.99101124e-11
 3.18966791e-08 1.88632256e-08 1.08035325e-09 1.50313817e-09
 1.48172374e-09 1.32998625e-08 1.22046927e-07 2.64132183e-09
 1.94677185e-09 9.31831782e-12 3.00267322e-09 5.53699447e-11
 2.71641748e-05 8.08333255e-07 1.00375153e-09 1.29975968e-08
 3.18572035e-09 5.55840643e-07 2.14573288e-06 2.97646778e-08
 1.70649805e-09 4.58678118e-09 5.92824620e-07 4.28234198e-10
 3.87905374e-07 8.70241240e-11 1.19509647e-09 9.63073308e-06
 1.67903122e-10 5.82332099e-11 3.19587179e-09 3.35547945e-09
 3.49792695e-10 1.12957872e-11 1.45944951e-10 5.38448486e-09
 1.12722143e-08 2.36941645e-07 1.12817204e-08 8.97192477e-12
 2.41939411e-12 1.36533037e-12 6.33470387e-09 2.39441467e-09
 6.20894582e-07 1.81575160e-06 8.85754901e-07 8.88478695e-08
 2.41378484e-06 3.24440252e-10 1.74846413e-08 2.16720912e-12
 1.96997779e-10 9.99969885e-10 7.89709098e-09 6.07813452e-12
 8.87673213e-10 4.48315052e-10 4.75623207e-10 3.99560357e-10
 5.14626224e-11 3.56758578e-09 8.50971571e-10 3.11038313e-11
 1.59830393e-09 2.57810648e-11 1.02144837e-09 9.35443667e-11
 3.99945588e-09 5.11355769e-13]


0.9999516


3


[3.3967348e-07 1.0626742e-08 5.2538779e-10 5.4931962e-07 1.5344348e-10
 1.6225812e-11 5.1393792e-11 5.0141296e-09 6.9181301e-06 5.5154110e-11
 4.9665095e-13 2.9646019e-10 2.4833511e-07 1.4520118e-10 2.3954485e-09
 1.3940675e-07 1.1102612e-05 1.4391371e-06 7.8690755e-07 4.5921084e-08
 5.4358145e-07 2.6764783e-07 6.7379631e-09 1.8004310e-07 2.4529111e-08
 1.9138144e-09 1.0516008e-08 1.7142574e-08 4.7334453e-01 1.7722290e-05
 4.8909584e-01 6.4696460e-03 1.1494986e-02 4.0645126e-04 1.9129829e-02
 3.7909254e-07 9.1027076e-08 6.2905224e-06 8.4658927e-07 3.9169117e-06
 4.8414591e-07 2.7500016e-07 2.6082119e-09 5.1234849e-07 4.2237883e-08
 3.2159119e-07 1.2077007e-06 6.1912698e-07 5.0328833e-08 3.9107880e-11
 3.9807784e-07 8.5781720e-12 2.8376544e-08 1.0019903e-09 2.0007858e-08
 9.2247390e-12 4.2130875e-08 1.4884972e-09 1.0079258e-07 1.0552314e-08
 1.9962698e-07 2.2222413e-09 5.7514917e-09 1.3923807e-10 1.3287047e-07
 9.0767788e-10 1.9273270e-10 9.6539603e-11 4.4061202e-10 1.2391689e-08
 2.8152641e-07 2.0368243e-10 2.2610728e-08 9.6820463e-07 2.2839832e-09
 1.8675504e-08 6.9217032e-07 1.7735720e-08 3.6347250e-10 1.4635559e-07
 2.8528591e-09 5.9904806e-09 3.2376938e-12 7.3571087e-08 6.9444144e-09
 1.5656509e-10]


0.48909584


30


[1.6423239e-07 2.3920968e-10 2.4516231e-10 9.9992573e-01 8.8832358e-06
 5.0693018e-08 3.2255847e-11 3.5034665e-13 6.0843539e-09 5.2478305e-10
 7.5366054e-11 4.5385074e-11 5.6252350e-11 2.0943382e-10 2.4441400e-05
 2.0039241e-10 5.3293161e-09 4.9332719e-08 8.3021851e-10 6.0786157e-08
 2.4934064e-09 8.9338573e-07 2.2572158e-05 2.4268928e-08 2.5804137e-09
 1.8363163e-11 9.9903330e-09 2.7357538e-11 2.9846496e-09 2.5072675e-11
 8.2002443e-12 9.3665709e-10 1.0546517e-09 3.3003852e-10 1.0641898e-08
 3.0410416e-07 6.1297412e-11 7.2101713e-11 6.2675213e-07 4.9809740e-11
 1.5381524e-08 7.9102086e-10 5.2322344e-12 1.6841597e-08 5.5040495e-12
 1.0025402e-11 3.3184777e-09 3.0234626e-09 2.4324180e-11 1.1680416e-12
 3.3545844e-10 5.0180297e-11 8.9014929e-10 5.4756293e-09 2.4148263e-09
 4.2591421e-12 3.5405476e-13 3.9592357e-15 1.4444140e-09 5.3964339e-10
 9.0849097e-09 1.4129863e-05 5.4894406e-10 4.8634696e-09 1.4660979e-08
 1.3941537e-10 3.9008163e-10 3.0181972e-12 6.4838035e-10 5.2920374e-10
 1.7110813e-06 4.8560168e-13 1.4892431e-11 1.6972515e-09 1.4126669e-09
 2.1220792e-10 2.0914441e-10 5.5346927e-09 4.2729242e-09 3.1084524e-11
 3.5138548e-12 1.3272434e-11 1.9346984e-09 3.8263322e-13 1.6607292e-09
 1.2413756e-13]


0.99992573


3


[7.46985916e-06 1.25251256e-06 1.44886048e-10 8.59705033e-04
 6.98276210e-08 1.07669791e-06 1.58520805e-08 9.72824381e-08
 1.09625990e-02 4.26800943e-06 3.04325842e-10 1.10866276e-08
 8.15633848e-06 3.33077166e-09 6.69778728e-07 8.37794119e-08
 1.52289385e-05 2.23189236e-05 6.93701452e-07 2.51935660e-07
 1.68166821e-06 9.93426511e-07 4.50847295e-07 1.04226592e-05
 4.01049465e-06 1.96603378e-06 5.03076473e-03 5.31207398e-08
 3.45592294e-03 1.86059609e-04 5.58050488e-05 8.78513674e-07
 7.04473913e-01 8.09176636e-05 3.09845712e-03 1.11256064e-04
 2.74183350e-07 3.94216977e-06 8.77787679e-05 4.01979969e-06
 4.47331331e-06 1.64646406e-06 2.14905242e-07 2.13968929e-06
 1.22054544e-07 3.39264716e-06 6.34262847e-08 8.72121007e-07
 5.54390631e-08 2.89358737e-09 1.16099754e-05 4.66374450e-09
 4.89951155e-08 1.08615503e-04 2.66084662e-05 2.48044415e-07
 5.28497272e-04 1.19485719e-06 5.28560486e-06 1.53501283e-08
 2.14537784e-01 1.01040014e-05 4.87311445e-02 6.13541270e-05
 7.45271845e-03 2.90335066e-07 4.93183023e-08 1.09429692e-08
 4.63371777e-07 1.36219667e-08 4.96050063e-08 3.12482094e-08
 3.52059404e-09 3.68097744e-06 2.09578985e-08 1.01494784e-07
 4.92869003e-06 2.70145250e-07 7.21946458e-09 1.51443700e-07
 1.14409886e-06 2.04801029e-08 9.95458271e-10 3.00370994e-06
 3.87535647e-06 5.55187896e-10]


0.7044739


32


[1.2519857e-06 1.0456673e-06 6.7597006e-10 3.3039029e-07 4.7879958e-08
 6.5293619e-09 1.8738012e-08 8.2010109e-07 3.0841097e-06 2.4302281e-07
 9.2000951e-10 4.4195913e-06 3.8815535e-05 2.1756480e-07 1.2715842e-04
 2.3000482e-06 1.1529797e-06 8.4986150e-01 4.5591827e-02 1.1312136e-05
 5.9433120e-07 4.5919918e-05 2.4224037e-06 2.1592194e-05 5.9518430e-07
 6.6030844e-07 2.1696300e-04 3.2450885e-08 1.2257739e-02 9.9317651e-05
 4.1886495e-04 1.4032072e-05 9.6263399e-04 5.7512954e-02 1.8013259e-02
 1.1884968e-07 1.1808167e-07 3.3571018e-06 4.4650253e-07 1.1092361e-06
 2.7389012e-07 8.1778275e-08 1.5801247e-08 1.5193040e-08 1.2399875e-07
 3.0688501e-08 9.3152835e-08 6.2259808e-08 7.5518805e-08 3.8038461e-09
 5.5536242e-07 3.0025886e-09 3.1816306e-08 1.1372710e-07 6.6795184e-07
 1.8211743e-07 9.1439057e-03 4.8861530e-06 1.1989173e-06 1.3552642e-08
 5.5119358e-03 9.4006909e-06 9.2468261e-05 3.1135323e-06 2.4169245e-07
 1.4952146e-06 2.2552106e-08 1.9681028e-08 3.1945294e-07 6.1104281e-08
 4.2989063e-07 8.3975502e-09 1.9055722e-08 6.3681790e-07 3.0449453e-08
 1.3693848e-07 1.0337915e-06 9.3508504e-08 2.7959564e-09 9.0067523e-08
 3.1076928e-07 4.7549391e-09 2.0004567e-09 1.5782617e-06 5.8616556e-06
 2.0876738e-09]


0.8498615


17


[2.7081585e-06 4.3859359e-07 5.3420912e-09 7.4484547e-06 3.0834130e-10
 4.8753076e-08 1.4243123e-09 7.1268030e-10 2.2580258e-04 6.4614063e-08
 2.9527227e-12 6.1535661e-09 4.1757426e-06 2.1736695e-09 1.8780488e-06
 3.0367923e-07 2.1720583e-08 2.0083162e-08 5.5014716e-08 4.1345567e-09
 4.2605834e-08 4.6419999e-08 2.4814938e-06 3.2894741e-06 1.7891375e-09
 4.4011753e-07 1.7211329e-04 1.6163209e-08 8.9309467e-03 3.5384565e-03
 5.4995129e-05 2.8968390e-04 4.1037913e-02 1.1200149e-02 9.2437685e-01
 8.6566724e-06 9.8923699e-08 9.1112370e-06 1.3721132e-05 5.8529922e-06
 3.7078120e-05 2.1667847e-06 5.0165188e-08 5.5510884e-07 4.3297423e-08
 5.1764880e-07 2.1369974e-06 1.1801103e-06 1.6715288e-07 3.7235452e-09
 4.8245506e-06 5.3137156e-10 4.2139413e-07 8.2917232e-08 1.7609874e-06
 4.5018758e-08 7.0864521e-04 4.2047526e-05 8.4829890e-06 8.4741561e-07
 7.3325718e-03 6.8548892e-05 1.6399414e-03 1.5571931e-06 2.3764887e-04
 7.5369471e-09 3.2652683e-09 1.1401167e-08 1.6794189e-07 7.2544182e-10
 6.2651640e-07 2.4189363e-08 1.4280288e-08 4.3859800e-06 1.9725854e-07
 2.3488687e-08 2.0234597e-06 4.1386795e-07 1.1914224e-09 6.4269210e-07
 5.9255245e-07 1.2451879e-08 1.9994469e-10 9.9026502e-06 1.8790339e-06
 2.5037590e-09]


0.92437685


34


[4.7492063e-06 9.9998760e-01 2.9496742e-11 2.4226678e-08 3.2165175e-12
 1.6678468e-10 1.3128129e-11 1.6322167e-07 5.0383083e-11 2.7830220e-08
 1.3124812e-13 4.1235754e-07 4.0926306e-08 2.4835206e-10 4.3201612e-06
 1.4316018e-08 1.5809464e-12 1.4102277e-07 4.6268653e-07 8.3923805e-11
 7.9694237e-11 6.6398348e-10 2.2015674e-09 1.0927294e-09 8.2070455e-11
 1.0771961e-10 6.3639270e-08 6.0291073e-12 7.5817547e-07 2.8775709e-08
 3.6551198e-10 2.7721570e-11 2.6131508e-08 2.2935126e-08 2.1227592e-08
 8.9922285e-11 3.1021249e-10 9.0967851e-11 1.1369150e-10 8.4949353e-11
 1.9810882e-11 6.7057549e-12 8.8372023e-13 9.5724324e-11 3.9003449e-13
 2.5278840e-11 2.0022664e-11 3.1039271e-12 8.4628129e-12 4.1721143e-13
 2.9531079e-11 2.9073200e-14 3.9044926e-12 6.0353347e-11 9.8674544e-09
 5.3630694e-10 7.7879978e-09 2.6752145e-10 1.9747137e-10 7.3372336e-13
 6.8191577e-11 3.4199676e-10 4.3532493e-09 1.3678871e-12 5.1115891e-12
 2.8284240e-11 3.4496267e-13 2.1609223e-12 3.5021368e-11 3.4643885e-10
 1.9730093e-09 2.8465780e-10 2.1151245e-12 4.9128474e-10 7.1463137e-13
 1.1381669e-10 3.0985178e-10 4.3161068e-11 3.7929234e-14 2.4472288e-10
 4.3859972e-12 2.7828200e-12 2.2422451e-10 1.5130103e-08 1.2361829e-06
 2.6253175e-14]


0.9999876


1


[7.13693169e-07 1.74911816e-06 1.59596851e-08 6.26546800e-01
 4.51724276e-07 1.45169243e-03 1.01181627e-07 2.32338954e-10
 7.04309714e-05 6.21627009e-07 4.03871336e-09 2.00796890e-08
 2.47215964e-02 9.15611054e-08 4.07765867e-07 1.63661351e-08
 1.30446693e-07 3.45234412e-07 8.24606104e-06 2.80840140e-07
 5.39819382e-07 6.17032811e-06 1.51905454e-06 1.34182085e-06
 6.36808224e-08 2.40839909e-05 1.33576626e-02 6.41319161e-07
 9.69841555e-02 5.54883736e-04 1.34668080e-04 1.62383021e-05
 1.61145493e-01 1.82355028e-02 3.43637243e-02 1.74155903e-05
 1.03170817e-06 3.73941912e-05 3.56290511e-05 4.41791485e-07
 1.07972781e-04 2.63104107e-06 1.09605402e-07 1.38106479e-05
 1.49174195e-06 2.89672175e-06 1.87393846e-06 1.03356751e-06
 3.62728633e-06 1.03042346e-07 8.51305085e-05 3.51816175e-06
 1.77728646e-06 1.28395841e-04 7.15801252e-06 2.10177504e-07
 4.07034112e-03 7.08245032e-04 4.05234423e-05 3.75750950e-08
 1.10870441e-02 6.08586834e-06 3.80035420e-03 1.45998238e-05
 2.05596723e-03 3.16086464e-08 1.10972985e-06 6.15167224e-08
 1.76607998e-07 9.05000253e-09 6.34108176e-07 3.36911548e-08
 6.10013103e-07 1.24942403e-07 1.75225205e-06 3.98677230e-07
 1.00257273e-06 8.80710829e-08 1.52172970e-06 1.31746660e-07
 1.31867409e-06 2.42908300e-07 4.01930549e-07 6.38296406e-05
 5.91854259e-05 1.15606838e-07]


0.6265468


3


[2.3949497e-08 6.0632281e-09 1.0357628e-11 9.9261968e-09 1.1425637e-12
 1.4539621e-13 1.4122267e-12 6.6064204e-10 2.4077249e-07 4.6669730e-12
 4.2223401e-17 2.3885421e-10 1.8011464e-08 2.2588160e-12 1.0272424e-10
 7.0420281e-10 3.7136092e-09 1.8317999e-09 7.3285347e-09 2.4184499e-10
 2.9133318e-10 1.4619007e-10 2.3159301e-09 8.8617789e-09 3.0883482e-12
 1.0759911e-09 9.8750839e-08 1.8914757e-10 1.3268518e-03 4.0973155e-04
 2.3897889e-03 9.5731932e-01 5.7114766e-04 8.2076564e-03 2.9771177e-02
 1.7339007e-08 2.2168498e-09 1.3286916e-06 5.9192306e-08 1.3823711e-07
 9.3326157e-08 2.0973867e-09 8.4086228e-12 9.2699866e-09 2.5499347e-09
 7.8452178e-09 2.8671545e-07 1.1439687e-07 7.7054280e-10 8.5143975e-12
 1.1989879e-07 1.3387663e-12 6.8029998e-10 5.3078819e-10 5.0719406e-10
 2.5494249e-12 7.5742918e-08 1.1702347e-06 7.3314150e-09 2.1624014e-09
 5.2541591e-08 2.7909472e-08 1.3755183e-09 3.7879999e-10 5.2492716e-08
 1.6914974e-12 6.5481301e-12 3.6480274e-11 2.1111482e-10 1.6766841e-11
 1.0775911e-09 5.4860394e-11 3.3506461e-11 1.1241743e-08 1.1044291e-10
 4.0457868e-10 3.6160692e-08 1.2929545e-08 1.1224965e-12 9.8226920e-08
 3.2983988e-10 1.6421456e-10 2.1680921e-13 2.4566827e-08 4.3595643e-09
 5.7250926e-11]


0.9573193


31


[1.7943336e-07 1.2267859e-06 1.8561215e-09 1.6705941e-03 2.8824944e-08
 3.6505374e-10 1.2528150e-11 4.7270556e-11 5.2552749e-12 1.4893212e-08
 3.9466755e-10 6.0029919e-09 1.8991535e-08 4.9235260e-10 1.4020927e-05
 9.0526846e-08 2.3539688e-09 2.6292197e-05 1.0111345e-05 2.9378151e-07
 1.8855713e-08 2.6265193e-06 9.9818736e-01 3.6687686e-07 2.6454638e-08
 1.9263979e-09 1.1980953e-06 3.4114527e-11 2.8129663e-09 2.3939131e-09
 6.0185468e-10 6.2806396e-09 2.0942833e-08 6.5168143e-07 9.3677372e-08
 1.3240312e-08 3.3757380e-10 7.9970991e-10 9.3916663e-10 1.0942868e-11
 3.1282721e-09 5.0308879e-11 1.3326859e-12 1.9792710e-09 3.1107775e-10
 1.7333693e-12 4.1417270e-09 2.0844111e-09 3.7181883e-10 9.0201084e-12
 9.4561581e-10 2.9207126e-09 6.9135275e-09 2.8797989e-10 2.9354121e-09
 2.2626120e-12 3.1172454e-10 8.0353502e-11 1.7089164e-06 1.3059153e-08
 7.2328299e-10 1.2636813e-06 1.5330945e-10 2.3306259e-09 3.0926270e-10
 8.6099305e-10 4.1634922e-09 1.1338443e-11 8.8371831e-11 5.0642784e-10
 8.1594386e-05 6.7293116e-11 1.3220784e-11 1.2510349e-09 6.7584534e-09
 8.3095121e-11 2.0610494e-10 3.9302689e-10 8.7037977e-10 6.7703970e-10
 8.4707241e-10 2.7411601e-10 1.0792632e-07 7.7453943e-10 1.2907551e-08
 3.0971337e-12]


0.99818736


22


[4.80419715e-07 2.58944048e-08 1.29257343e-11 9.99812424e-01
 1.82925123e-06 1.89034574e-06 6.21500559e-11 2.53128740e-10
 1.23486388e-09 2.39695109e-05 8.81963089e-08 3.09350393e-11
 3.50507641e-08 2.30813313e-10 4.89694794e-05 1.65639613e-10
 1.11975096e-09 5.30439479e-07 5.59340982e-08 8.81903794e-09
 8.41759284e-09 1.59840556e-06 8.82554559e-06 5.09162383e-08
 3.33493588e-08 3.25050593e-07 3.92630682e-05 1.02916720e-09
 2.00336544e-07 2.07466111e-09 2.33988412e-10 9.97754679e-09
 5.82859734e-08 4.63492252e-05 2.69991514e-08 7.16985141e-06
 8.52471038e-10 1.69897540e-10 1.78828387e-07 3.91625232e-10
 1.02387204e-07 5.35138156e-10 1.64993852e-10 5.59927798e-07
 4.85606666e-10 1.08679690e-10 4.59177052e-09 9.59251345e-09
 1.16387477e-09 1.27111779e-10 8.66106908e-10 1.26187146e-07
 7.12431358e-08 2.85118773e-07 2.45469380e-07 2.20052976e-10
 1.11421161e-09 2.68030060e-11 4.79912110e-08 6.02581596e-10
 1.87706576e-07 1.15755699e-06 2.75771606e-09 1.63112554e-06
 3.29254357e-09 9.83856774e-10 1.33979772e-10 6.22494417e-12
 1.43163958e-09 1.14823602e-11 2.91991125e-08 2.36227975e-13
 3.08785046e-11 3.19110710e-10 5.72887959e-09 1.34100689e-10
 5.67514568e-12 9.73522818e-10 2.09599879e-10 5.83946017e-11
 4.39528192e-10 1.72663245e-10 5.99556071e-10 3.08571613e-09
 1.14966895e-06 2.32926959e-13]


0.9998124


3


[2.44227067e-07 5.17876970e-07 1.09927491e-10 5.85197427e-07
 1.04255667e-10 7.41235073e-10 1.99257333e-10 5.26234278e-10
 3.84501142e-08 6.95436997e-09 6.15372147e-14 1.10659251e-08
 9.00099735e-07 9.00231001e-11 1.53951307e-09 7.09762205e-09
 5.79446038e-08 3.87107036e-07 1.35424907e-08 5.41577982e-09
 2.73197021e-09 8.02037015e-09 4.02601685e-09 4.59875871e-09
 4.66871120e-09 8.47975556e-08 8.64761896e-05 1.53330637e-09
 3.24097276e-02 2.05710126e-06 1.31677094e-04 7.10871827e-04
 1.23799255e-04 9.64683175e-01 1.41762185e-03 2.94535223e-08
 3.37556862e-08 2.35063931e-06 1.35517993e-07 1.08748864e-07
 1.42695569e-07 5.17953236e-10 3.87741922e-10 2.62542788e-08
 4.57436888e-09 1.58048969e-08 2.08802689e-07 1.48374809e-07
 2.37231070e-08 3.34210437e-10 1.21537099e-07 8.17015011e-10
 5.11382447e-09 6.01912760e-08 1.45710786e-07 2.46928300e-09
 1.00222951e-05 1.02683352e-05 2.72991974e-06 2.18341054e-10
 4.03974758e-04 3.43089312e-07 2.38061816e-07 1.34042153e-07
 1.08216103e-08 6.07490236e-09 4.58064608e-09 9.31460020e-10
 5.42251843e-09 5.47038470e-10 3.30139294e-09 3.42653239e-10
 5.20743726e-10 1.25189104e-07 1.93123142e-10 2.64322875e-09
 3.76579763e-08 3.38177930e-09 2.05824899e-10 7.79642093e-08
 2.20957030e-09 8.46745937e-11 1.51029994e-10 2.58636188e-08
 3.55616940e-08 1.79896611e-10]


0.9646832


33


[4.17630474e-07 2.28117017e-07 5.66566932e-11 3.71591184e-08
 6.40327613e-08 5.93622304e-11 6.30902386e-10 2.56752202e-07
 2.57075897e-07 1.03341513e-09 6.45871431e-13 6.53265815e-08
 1.03428818e-06 1.39843981e-09 2.71534901e-08 7.42318562e-08
 3.13743215e-07 2.79876161e-02 2.00374145e-03 3.28380929e-06
 2.17081421e-07 6.03988428e-06 8.67956373e-07 1.29234513e-06
 1.80192217e-08 1.07108569e-07 8.06002499e-05 6.34004094e-09
 1.88869203e-03 3.77317891e-04 7.92780411e-05 8.50348035e-04
 7.91392922e-01 2.54405531e-05 1.75255060e-01 9.46165031e-08
 4.43880266e-09 4.50165771e-07 2.90137212e-08 4.41912420e-07
 2.37700011e-08 8.23901800e-08 9.65165059e-10 1.65563225e-08
 2.98771738e-07 4.89415131e-09 1.52297318e-07 7.98591060e-08
 3.33850791e-09 2.32698874e-10 9.58777719e-07 1.32865665e-08
 9.01699870e-09 1.60043104e-10 2.26387556e-07 7.10807281e-12
 2.41129146e-06 7.51292646e-07 1.99910792e-05 1.09856382e-08
 1.59248472e-07 1.01777396e-05 3.39451663e-06 5.69683689e-10
 6.43314522e-08 5.57814808e-08 4.78505222e-11 1.88678451e-09
 2.02374539e-09 1.19077512e-08 1.09639632e-06 9.25499566e-10
 7.67362729e-10 1.22276461e-07 4.65632830e-08 2.61403899e-10
 4.47412241e-08 2.99641307e-08 1.44746937e-10 6.90555339e-07
 1.20236212e-08 3.56727670e-09 1.12375678e-10 1.62499816e-07
 2.27541796e-06 7.37233538e-11]


0.7913929


32


[6.54386341e-08 8.28889313e-09 1.76998527e-09 1.14922193e-06
 3.05001135e-09 1.10716791e-09 1.26106736e-10 1.60657188e-09
 3.22824043e-08 1.28006472e-09 4.87286264e-13 1.31036202e-07
 1.56457233e-07 1.08962250e-09 2.14446172e-09 1.91920947e-07
 1.31093316e-07 8.76323611e-05 1.06214304e-06 7.87224863e-09
 7.01356839e-08 6.51140510e-08 2.90591106e-06 1.10671927e-07
 9.81074111e-10 1.45345078e-08 9.64633000e-05 5.80518478e-09
 3.46267807e-05 6.85388613e-07 2.89938250e-03 9.13569808e-01
 2.06930940e-06 8.30151662e-02 2.80228152e-04 1.20318063e-07
 5.46602585e-09 1.25690372e-06 3.17640918e-08 5.49817152e-08
 8.01904037e-08 6.75676359e-09 2.21224192e-10 2.13109597e-09
 3.66680530e-09 5.09613018e-09 2.07384740e-08 4.63018885e-08
 4.09618579e-08 1.42044176e-09 8.65539374e-09 8.56463345e-08
 1.19438175e-08 9.94837435e-10 3.68936846e-08 5.30167958e-11
 5.46212334e-07 2.78181324e-06 2.19833538e-07 7.42876594e-10
 1.87542170e-07 5.83501333e-07 2.14496268e-11 2.21305967e-07
 1.21387034e-09 7.60061292e-10 2.91194430e-10 3.95157823e-10
 3.66073782e-10 2.25613794e-09 1.15407522e-06 3.38038798e-11
 2.04511252e-09 9.47085432e-09 2.14978146e-09 3.37257139e-10
 4.66187533e-09 8.39725978e-09 1.08379757e-10 8.79426221e-09
 3.48272411e-09 5.30177591e-09 7.39068442e-12 2.13580087e-08
 1.08984395e-07 3.01294878e-09]


0.9135698


31


[2.22323826e-09 1.28995907e-07 1.09675615e-13 1.84420179e-09
 3.41286976e-13 1.47214352e-10 1.60007424e-13 1.34890654e-10
 8.31407054e-10 4.04945322e-09 1.27762093e-10 2.58966337e-09
 2.90322575e-08 2.79945546e-11 2.73644147e-08 4.40159801e-12
 3.67266405e-14 5.51688806e-10 8.64755351e-11 3.15492164e-12
 7.96038528e-13 7.38814880e-13 3.44256984e-10 2.13693688e-10
 3.41379594e-12 1.15486259e-07 2.79501108e-07 5.01786416e-12
 8.18490720e-10 2.72510885e-11 1.01497517e-11 3.12200578e-11
 7.78649145e-09 8.12992607e-09 1.11798526e-12 4.13255541e-11
 3.92408545e-13 3.67889177e-13 1.82495360e-12 6.22272936e-12
 1.47315038e-12 5.12045267e-13 3.10974174e-13 3.46966796e-11
 4.68445303e-14 5.28748920e-13 6.44697403e-12 1.19533723e-12
 9.83677874e-13 5.28214928e-12 1.31915720e-11 6.33810089e-14
 3.73207160e-11 1.65323565e-13 1.15955231e-06 7.09349810e-12
 8.53229820e-10 2.16839463e-11 9.25315310e-11 1.93229018e-13
 5.45712434e-12 2.21786131e-11 1.85359436e-11 1.32253875e-10
 1.05973954e-12 7.60857263e-12 1.26573328e-14 5.51971900e-14
 4.32881161e-13 3.06255807e-13 9.70982870e-14 2.39734231e-12
 2.22874171e-12 6.48930847e-14 2.57738817e-13 2.19239665e-13
 3.13822346e-13 1.69454132e-12 1.63578177e-15 5.92531363e-12
 2.11843225e-13 3.36244726e-12 1.55658310e-12 4.36823581e-12
 9.99998212e-01 2.28993478e-16]


0.9999982


84


[1.47367359e-06 5.91243224e-05 1.23760513e-09 9.99639869e-01
 2.69904216e-12 1.40269265e-07 6.42828180e-10 1.39482426e-10
 2.01627273e-07 6.21736902e-08 3.79934712e-12 7.92851271e-11
 4.01917646e-08 2.44357035e-10 1.26318042e-07 2.13969328e-11
 7.58203847e-11 3.10030723e-10 2.97543309e-11 2.32244675e-11
 2.20523350e-10 1.58571622e-09 2.17087071e-10 3.97997503e-11
 3.99352801e-10 7.40208748e-07 7.88446357e-07 4.47313603e-10
 1.04856254e-05 3.90038366e-07 2.23813856e-09 9.55338066e-08
 1.41464704e-06 2.67722906e-04 1.21105813e-07 6.76684175e-09
 1.39882855e-10 2.65864969e-10 1.15924399e-08 1.55452609e-10
 9.53966506e-09 1.03831488e-09 1.08311443e-10 5.10583753e-08
 2.80323351e-11 5.00282171e-09 1.69858272e-09 4.48208004e-09
 3.28368971e-10 4.94899434e-11 1.13672564e-10 2.80310664e-10
 3.19337232e-08 1.42326712e-06 8.55708493e-07 5.77987547e-10
 8.92658178e-08 1.95464461e-11 2.23966410e-08 1.01887698e-09
 4.86639863e-07 1.64372977e-07 6.69708555e-08 1.18547405e-05
 5.80463926e-08 1.10278930e-09 4.65180694e-09 5.23220703e-11
 5.04249920e-10 3.82435229e-11 1.07713789e-10 7.76339149e-12
 5.28305177e-10 8.41296963e-11 1.18785662e-10 1.99811367e-08
 7.40957920e-11 6.25538243e-09 7.34034014e-12 1.97759482e-11
 7.76081976e-11 5.62827085e-12 4.64064964e-09 1.26315125e-09
 2.01429816e-06 1.32602338e-12]


0.99963987


3


[6.92916728e-08 2.03218953e-09 6.48308143e-12 6.24654817e-09
 9.87605397e-13 3.42116120e-13 1.22628708e-12 3.41477097e-10
 3.39115672e-07 6.82137550e-12 6.87115973e-14 8.98659532e-12
 2.35962117e-09 1.78809365e-12 2.86648982e-10 1.17358412e-09
 6.07007848e-08 1.72227157e-08 2.44621101e-09 1.02029628e-10
 2.25619634e-09 1.26822841e-09 1.04791217e-10 2.54276000e-09
 1.60988237e-10 8.30926508e-11 2.88108435e-08 5.32840216e-09
 1.21120511e-05 2.35938296e-05 4.02791090e-02 3.42982239e-04
 1.44942570e-03 1.38145861e-05 9.57877815e-01 1.06773186e-08
 6.77107748e-09 2.66985694e-07 7.34573504e-08 7.94717891e-08
 5.23431920e-09 1.05107345e-09 2.50576837e-10 2.50602881e-08
 2.78956613e-09 5.72783776e-09 9.10831854e-09 9.84177451e-09
 1.04695763e-09 1.08620632e-12 2.20247021e-08 6.31009784e-13
 2.38211728e-10 1.26257936e-11 3.30273031e-09 3.00661189e-14
 1.60899702e-08 8.02462430e-10 5.48673051e-10 2.17122409e-09
 4.14596441e-10 3.11227544e-10 1.13883084e-10 2.48749892e-12
 4.56134641e-09 6.95073665e-10 1.78815849e-12 1.42751436e-11
 1.98311464e-10 2.19041105e-10 6.99632565e-08 4.05972790e-11
 8.45268230e-11 9.36690014e-09 4.41828969e-11 2.27344706e-11
 8.59161720e-09 5.15106580e-09 4.16968597e-13 1.63278246e-09
 1.01760642e-10 5.98775141e-10 2.54986001e-13 1.82335314e-09
 5.77126436e-09 3.06913159e-13]


0.9578778


34


[2.0839634e-07 3.3935873e-06 1.4186541e-10 9.9945968e-01 1.3006095e-09
 1.4402032e-10 7.2561102e-10 4.5229060e-11 2.7858346e-10 4.5955666e-08
 1.5259795e-09 1.6552879e-10 1.4766650e-09 3.1390820e-10 9.1618349e-05
 6.5529110e-10 2.5145786e-11 1.3458171e-09 4.8358130e-11 8.1817475e-10
 7.9126011e-10 2.3119764e-09 4.3197183e-04 2.9984111e-08 1.1534268e-08
 5.0630411e-10 9.2783736e-09 6.9099817e-12 1.2513025e-08 8.3008805e-10
 1.5441976e-12 1.8693640e-11 7.9303952e-11 1.0813037e-09 1.1206183e-09
 1.4902493e-09 4.6894807e-11 4.1737416e-12 2.3280228e-08 6.3526623e-12
 9.5904595e-10 1.9759216e-12 8.4479536e-14 8.9551455e-10 3.0616557e-13
 2.0787961e-13 1.5080077e-10 3.6448365e-11 9.0976688e-12 1.2105983e-13
 1.8661864e-11 7.0333954e-11 6.0241034e-10 2.3151658e-10 7.1242692e-07
 7.4383381e-13 2.0718797e-14 2.5525614e-14 4.4947370e-09 1.7026648e-09
 1.7165058e-10 4.2724832e-08 1.7447412e-10 5.2633836e-10 7.8748901e-09
 5.4074980e-09 9.0687624e-10 1.3091076e-11 6.8218298e-10 1.6383301e-09
 1.1375949e-05 3.2343994e-10 2.0740486e-12 3.8384032e-10 7.8635681e-10
 1.2416257e-09 5.3336276e-11 3.9947676e-09 3.4603067e-11 1.5358681e-11
 4.1045058e-12 3.2217392e-11 5.3735181e-09 3.4845103e-13 9.0887767e-07
 1.1434938e-14]


0.9994597


3


[8.20772428e-08 5.13602970e-07 3.87210652e-10 9.36055403e-06
 3.57175747e-12 2.52885495e-12 6.47284393e-10 1.45403206e-07
 3.29203503e-05 2.47130771e-07 1.79246659e-13 4.84741552e-11
 1.29457374e-06 2.54981952e-10 1.55191433e-08 4.79606621e-09
 4.85950373e-08 1.08711042e-07 1.24468080e-09 2.26311414e-08
 7.63434382e-09 4.91679975e-10 1.10225085e-09 4.07589411e-08
 3.44020878e-09 1.50862833e-09 1.35369746e-07 3.33206768e-10
 4.08563355e-05 9.78181303e-01 2.34653417e-08 9.86930332e-04
 2.34277582e-06 3.66683798e-06 1.81625392e-02 1.54345486e-07
 3.04277359e-09 7.46432960e-08 6.63064839e-08 2.51589086e-07
 5.13789900e-08 7.52656715e-10 1.42272777e-10 5.07428410e-08
 4.24377825e-11 2.26185168e-10 1.54682778e-09 6.37382271e-08
 2.50482257e-09 2.17371572e-11 6.66288784e-08 1.46473695e-08
 4.67640204e-10 1.58973243e-08 1.04165615e-07 3.76375927e-12
 3.04752916e-06 4.05579126e-09 4.84209806e-07 3.53960022e-05
 2.43506889e-07 2.11902917e-03 1.04335030e-07 3.05103185e-07
 4.16370371e-04 5.52528134e-10 7.60497845e-11 1.39256190e-10
 2.77089973e-09 8.79855910e-10 9.96161070e-11 2.52147991e-09
 2.45796272e-10 1.51938821e-07 5.00175901e-10 1.21055099e-09
 3.26864694e-07 5.32564286e-07 3.73228358e-12 3.59655239e-08
 2.97843659e-11 2.79823738e-08 4.26972433e-12 7.85369068e-08
 3.59446602e-07 3.27156244e-13]


0.9781813


29


[2.14960366e-07 3.59910160e-07 2.23481611e-09 1.86567544e-08
 1.10523396e-10 1.44091933e-10 2.25371055e-09 3.53006101e-07
 2.38217779e-09 3.18580540e-08 8.07567485e-11 1.45881922e-05
 3.75036097e-06 8.31820657e-08 1.92461866e-05 9.16936358e-07
 9.36341905e-07 9.02242243e-01 1.76316258e-02 2.47775606e-05
 3.29000244e-07 1.92321793e-04 8.08470759e-07 9.85585643e-07
 1.17171005e-07 2.96940494e-09 3.72455361e-05 1.22157362e-09
 7.87702650e-02 3.32102172e-05 1.87867715e-06 4.58401075e-07
 1.17411389e-07 3.85465182e-06 3.73058137e-04 2.92114599e-08
 6.64789894e-08 6.46692115e-07 1.00134017e-08 1.68849397e-07
 1.80479809e-08 1.70824013e-08 3.09562376e-09 1.12119691e-09
 8.63217320e-09 9.88815252e-10 6.04057036e-08 3.72242259e-09
 9.89187825e-08 5.44673417e-10 5.19955323e-09 5.10416109e-09
 2.56017763e-09 5.54390284e-11 1.12505782e-08 1.61102309e-09
 3.99395649e-04 8.02726333e-07 9.57403813e-07 2.25781321e-07
 2.38529377e-04 1.59151716e-06 5.66145900e-07 8.14913790e-08
 6.01495529e-08 1.35619640e-08 1.70660517e-08 7.53244467e-10
 1.41171284e-07 1.30797886e-07 1.47599064e-06 3.10817256e-07
 3.83350276e-08 1.17565790e-07 1.53297563e-07 3.59232395e-08
 2.46729002e-08 4.22874145e-08 5.89242488e-10 2.74746768e-08
 8.26659363e-09 1.61284710e-08 6.01922201e-09 1.15702164e-07
 9.18037557e-08 5.74077175e-11]


0.90224224


17


[3.27824478e-06 1.49104662e-05 3.14230419e-08 6.35773249e-05
 1.62997435e-10 1.32261674e-10 1.87779747e-09 1.04824821e-07
 8.03540479e-06 2.21769213e-07 5.87514412e-12 1.65341080e-05
 2.64103710e-05 4.94164087e-09 7.42784759e-05 3.15568036e-06
 1.02929323e-06 6.36506084e-05 6.57152304e-06 1.26137067e-07
 1.83969604e-07 5.52387746e-07 1.36199071e-06 6.57078954e-06
 3.42987789e-08 1.54936473e-08 4.80587369e-05 1.20051413e-09
 1.58316717e-01 2.41284594e-01 4.95198947e-06 4.63210017e-04
 2.24596715e-06 8.18136905e-05 5.84196687e-01 1.73763556e-06
 5.90816342e-07 6.72822466e-07 1.75350669e-06 8.24807194e-06
 2.40776080e-06 1.20558312e-07 5.44375300e-09 2.18733433e-07
 3.17966631e-08 6.58975674e-09 8.20483194e-07 8.31065279e-08
 1.01401793e-06 3.97589650e-09 1.15096910e-07 1.14031224e-07
 5.94444458e-08 1.33578109e-08 9.25246084e-08 2.13867590e-08
 9.76156094e-04 2.67096766e-04 1.00099976e-06 3.97193253e-05
 1.28974635e-02 9.10125673e-04 1.24335429e-05 1.48481561e-07
 8.88241775e-05 4.90074470e-09 3.19972915e-09 7.30426120e-09
 3.17717905e-07 1.17220171e-08 1.51002666e-06 5.59166722e-07
 7.49191358e-08 7.68052178e-06 1.58734082e-07 1.55695815e-07
 1.01586231e-07 2.09628251e-06 4.13736795e-10 2.15694783e-07
 2.02914521e-08 5.40459951e-07 2.84898816e-09 8.64597896e-05
 4.44928041e-08 3.98440968e-11]


0.5841967


29


[7.96099009e-09 9.99999762e-01 2.57000185e-11 1.93757832e-09
 3.05614083e-15 2.11475667e-14 1.09279101e-12 1.76067905e-09
 1.51522553e-13 2.61562855e-10 8.33716742e-15 8.62455209e-08
 1.46709533e-09 6.62683558e-13 1.19159296e-07 4.58100814e-11
 7.14474493e-15 2.27042635e-10 7.63856145e-10 2.70384301e-12
 6.34246724e-13 7.92667147e-13 5.93114932e-11 4.68980479e-11
 1.34028249e-12 2.02007356e-12 4.78796820e-12 6.09288078e-15
 1.91646361e-08 4.69435557e-09 5.59048352e-14 5.51293646e-12
 2.91093170e-12 6.84027216e-13 3.35998625e-11 4.16696977e-14
 1.55627399e-12 3.94778204e-14 1.37548786e-13 1.19575804e-13
 7.66708135e-14 5.71812334e-15 2.29200922e-16 1.95413469e-13
 1.04368605e-15 5.82574480e-15 3.04622701e-13 1.78686577e-15
 4.29898935e-14 8.01205341e-16 2.77375745e-14 2.69637629e-15
 7.29809889e-14 8.26516183e-14 7.77818001e-12 1.71111375e-13
 2.02179267e-12 3.89601459e-12 2.29834988e-11 2.88239403e-13
 5.22816979e-13 2.33483736e-11 2.38274461e-12 3.02556357e-15
 1.14214833e-12 4.65855219e-13 7.43026195e-16 9.27704568e-14
 2.19091591e-13 2.51625890e-11 1.55400126e-09 6.76627287e-12
 2.20795211e-13 9.30963466e-12 1.95248684e-14 1.44472889e-11
 3.14556519e-12 1.08755053e-13 1.13066098e-15 4.25890486e-12
 6.56328932e-16 6.52929913e-13 4.39938927e-12 2.65571263e-11
 4.05456779e-09 6.61728236e-18]


0.99999976


1


[1.4671357e-07 3.2074971e-07 1.5425914e-09 8.8877445e-01 2.8760741e-10
 2.2690265e-09 6.3196470e-10 5.6377425e-10 7.0230731e-06 1.6616630e-07
 3.3833266e-11 1.8216628e-10 1.2444737e-05 2.4659311e-11 2.3241489e-07
 2.0337473e-10 2.3105773e-09 1.2903650e-08 3.9343697e-09 4.6504685e-09
 3.8047182e-10 2.5682962e-09 3.0850420e-06 6.7684347e-08 4.3026355e-10
 6.4864443e-09 2.9827302e-07 5.2127874e-10 1.9165111e-04 1.1021084e-01
 7.0542496e-09 4.7640510e-06 1.2783387e-07 7.0790298e-07 6.9709995e-04
 1.1692493e-06 1.4182324e-08 6.1726086e-09 3.1180380e-07 1.2987247e-09
 1.3685718e-06 1.5291455e-09 1.1945589e-11 3.5565739e-07 1.2104930e-10
 8.1927937e-11 8.7695486e-09 3.5086243e-09 3.2657783e-09 4.2426440e-12
 7.2414528e-09 8.9205541e-09 4.1838934e-08 1.0970905e-07 4.9011515e-08
 1.7304021e-11 3.5325780e-08 8.8462265e-08 1.3906978e-08 3.1054762e-07
 4.1479307e-06 4.7366775e-05 2.8696332e-08 1.1144175e-08 4.0670995e-05
 2.9588578e-11 3.1847142e-10 1.0352244e-09 1.0886286e-09 5.3371758e-11
 1.3865706e-07 1.1631173e-09 3.6595463e-11 4.6228027e-10 1.2834765e-09
 4.2577777e-09 5.2753228e-09 4.6554294e-09 6.9716462e-11 1.5152610e-10
 2.2281771e-12 5.6123045e-10 4.6068998e-09 5.2279866e-08 4.8038249e-08
 1.9335737e-13]


0.88877445


3


[1.26748716e-06 8.67403969e-07 9.43481737e-09 3.38829932e-06
 2.35478876e-11 5.54571493e-12 7.55469437e-11 4.70103423e-08
 1.05052334e-06 2.39933878e-10 3.69087026e-15 8.08219214e-10
 1.62637420e-07 4.40237820e-12 9.56545509e-10 1.04369793e-08
 2.07481492e-07 8.51516457e-09 5.11898701e-09 1.16031869e-08
 6.96711533e-09 4.22206936e-10 1.24381074e-07 1.14766543e-07
 1.03759140e-10 1.42376522e-09 7.18282465e-08 2.21160268e-09
 2.19555851e-02 1.16995193e-01 1.83468417e-03 8.51737618e-01
 1.43716391e-03 6.78733486e-05 5.93629014e-03 3.49969611e-07
 9.43146983e-09 6.32358706e-06 8.43612213e-07 9.27795668e-07
 3.13104010e-07 2.02237196e-08 3.80825718e-11 3.82325737e-07
 1.05441469e-08 1.71377806e-07 2.42009406e-07 4.13680800e-06
 6.00146279e-08 1.05216304e-11 4.59067451e-07 1.19859164e-10
 1.50172994e-08 2.37747013e-08 3.73963687e-08 2.86232236e-12
 1.00803890e-08 1.72754056e-07 4.71695216e-07 7.70802308e-06
 2.02205932e-08 1.12619068e-06 6.03257000e-10 1.78884263e-09
 1.34739821e-06 1.03810894e-12 7.13509113e-11 4.77052620e-10
 4.25420740e-11 3.21818816e-09 3.96559955e-07 5.63995517e-10
 1.45660276e-10 7.63788535e-08 4.99483677e-10 2.95839597e-09
 3.05395389e-07 2.70448322e-08 1.75067068e-12 2.24056294e-06
 2.81684068e-11 1.14816345e-09 8.42728394e-13 4.73090651e-08
 5.41664713e-09 2.37801667e-10]


0.8517376


31


[2.0483539e-07 7.1653341e-07 1.0833243e-09 8.5322531e-03 7.8367992e-07
 4.1172427e-10 2.4685755e-12 9.5236130e-10 4.2742823e-12 3.9783977e-08
 1.7008596e-09 2.1490671e-09 1.6564591e-10 2.9611508e-11 4.4440641e-04
 4.7548294e-08 3.6701060e-09 1.5665104e-06 3.1795660e-06 1.1672426e-07
 5.8324297e-09 1.7296821e-07 9.9100268e-01 5.8203412e-08 2.0000824e-08
 1.0447948e-11 4.0542183e-08 1.7976362e-11 7.1028602e-08 3.2795825e-08
 4.6571696e-10 2.0690123e-10 1.7081290e-09 1.1478723e-07 4.2824166e-09
 6.2036764e-07 4.6203019e-10 8.0902968e-10 9.8342490e-10 7.5568163e-12
 1.7538669e-09 8.2602050e-11 5.0373898e-13 6.2160770e-09 3.9877893e-11
 1.6021713e-12 1.7349553e-09 1.1121709e-09 6.9599732e-10 5.3402779e-13
 5.7994581e-10 6.2049393e-10 4.9962257e-09 5.1790613e-11 1.2410979e-08
 2.3414079e-12 4.5901950e-12 8.1552039e-12 8.4517046e-07 3.1546159e-09
 4.0660242e-10 9.5873531e-07 5.7325642e-12 2.2634286e-10 3.5176093e-10
 9.0034341e-11 7.7252017e-11 2.5833665e-12 7.9776021e-12 6.1292554e-11
 1.1005040e-05 2.1813136e-11 1.4161675e-12 4.5059012e-10 4.2974562e-09
 8.5725064e-12 1.0585349e-11 3.1180031e-11 6.8120765e-10 5.8335725e-10
 3.5880038e-12 2.8384545e-11 4.0623344e-10 5.0501196e-12 2.2997972e-09
 5.4149506e-12]


0.9910027


22


[6.13106351e-07 1.32840849e-09 6.44838558e-11 9.97208774e-01
 2.90582534e-07 1.24873381e-07 1.07227845e-10 4.87221548e-11
 9.92085636e-10 2.09553775e-07 5.74336774e-08 2.58691202e-12
 2.51354382e-10 9.71780087e-11 2.68649869e-03 1.15747889e-09
 9.01944186e-10 7.85458170e-08 1.41804106e-08 2.67101079e-08
 1.09107368e-09 5.55411646e-08 7.86629535e-05 6.13261841e-09
 2.27479671e-08 1.05574349e-09 2.11753175e-07 4.38776515e-11
 5.01742761e-07 1.65929723e-08 3.33748862e-11 4.16134682e-09
 1.46526208e-10 1.12923708e-07 6.55946630e-09 1.16438323e-05
 5.58673940e-10 1.32283517e-10 1.74626337e-07 1.60964991e-10
 2.63004214e-08 3.88338917e-10 1.94104836e-11 4.70548230e-07
 5.75172340e-11 1.93441062e-11 9.29899535e-09 3.85317778e-09
 2.27663155e-09 1.67459414e-11 5.58501058e-11 1.10323874e-08
 5.43765921e-08 1.74299295e-08 6.67789308e-08 2.35684076e-11
 1.02705787e-11 1.30331862e-13 1.23856080e-06 9.59118154e-08
 1.97172852e-07 8.81376127e-06 5.46028708e-11 5.30486197e-08
 1.45182959e-08 2.89559376e-10 4.76432782e-11 8.45782819e-12
 2.48585841e-09 8.51143045e-11 8.77100092e-07 7.20668187e-12
 2.58920368e-11 1.48526233e-10 8.09198486e-09 8.12966083e-11
 3.05289843e-12 1.90287186e-09 1.53834356e-09 5.41519156e-11
 1.86856537e-11 1.68338010e-09 3.00430403e-10 1.06389082e-11
 2.61189892e-09 1.36295207e-12]


0.9972088


3


[5.8757541e-06 1.1203864e-06 2.5108354e-10 5.4310211e-05 8.9338326e-10
 4.9150636e-08 3.6591457e-09 1.1782352e-07 6.1552896e-06 2.7867686e-06
 7.2561751e-10 5.3614242e-09 7.4742809e-07 1.3693846e-09 3.6681638e-07
 1.9884121e-08 1.7566697e-08 2.1486640e-06 4.8010595e-08 1.6540396e-07
 6.9624145e-10 7.3163267e-09 2.4406964e-07 7.3699027e-08 1.2547026e-08
 3.7362619e-07 4.6191161e-04 2.1927744e-09 3.8374853e-01 3.6358144e-02
 1.0831052e-07 4.6532557e-05 4.7842015e-05 1.1902672e-03 1.0990318e-03
 8.9501718e-06 9.0287095e-08 1.5073708e-07 6.9154544e-07 8.3740389e-07
 3.9696704e-07 1.5024904e-08 8.5588585e-09 2.3989928e-06 8.5102672e-09
 8.6568575e-09 3.8368773e-07 2.6274513e-06 1.4980955e-07 2.1604467e-09
 1.8779367e-07 7.9187608e-09 7.8330352e-08 1.8720708e-06 9.9299614e-06
 4.5070155e-07 9.5064839e-05 1.2550534e-04 3.1396062e-03 5.2858363e-06
 5.6783038e-01 4.9126507e-03 7.7519735e-04 1.9417239e-05 3.9075680e-05
 9.4924770e-09 1.0870005e-08 2.0096484e-09 1.7600712e-07 1.2983979e-09
 4.2493191e-08 1.2563454e-08 1.1675050e-09 7.1080493e-08 9.9496811e-09
 7.3913107e-09 4.1406278e-08 1.2414796e-07 1.0989472e-09 3.9524937e-07
 1.6257131e-09 2.7708325e-09 5.3565894e-09 4.0897214e-07 2.4291785e-07
 5.8433955e-09]


0.5678304


60


[7.11881682e-07 7.29541538e-09 2.20123850e-11 6.12236164e-08
 2.66410605e-09 1.90777105e-09 8.59204707e-10 6.38968231e-07
 7.00514562e-08 1.74364541e-08 1.51512991e-09 3.69056501e-08
 1.04299538e-07 1.21727384e-09 6.13526424e-07 5.59601467e-08
 6.67823912e-08 4.66012545e-02 2.48691387e-04 1.19103042e-05
 9.49719237e-09 2.11495717e-07 3.31235590e-08 1.91683327e-07
 1.79425204e-08 2.49896726e-08 1.80356778e-06 2.64547551e-10
 1.20817451e-02 9.39271033e-01 7.85841614e-09 1.39452453e-07
 1.93965607e-05 4.92559484e-05 1.34815546e-05 5.48841672e-06
 1.86744646e-08 3.02195744e-08 7.40503552e-08 8.29753390e-06
 8.65683489e-08 1.30832916e-07 8.98665142e-09 1.00277497e-07
 2.94704243e-08 1.05000653e-09 1.40741363e-07 1.61442722e-06
 1.27261135e-08 2.01713729e-10 1.75088800e-07 5.37137446e-10
 4.03913916e-08 3.02885578e-10 5.59832301e-07 1.41422951e-09
 1.28251377e-05 6.42595694e-07 9.11016559e-06 2.48430592e-08
 3.42980755e-04 2.21615934e-04 1.08881772e-03 1.04426999e-06
 1.05617846e-06 5.24456311e-07 6.42829748e-11 8.33974279e-11
 8.52903099e-08 1.03548041e-08 4.48601956e-09 2.22093224e-08
 2.26589281e-09 1.60322173e-07 4.32730118e-08 5.58619762e-10
 7.16733561e-10 3.81013763e-07 2.10347254e-10 1.23808634e-08
 1.92095251e-09 1.65554148e-09 5.87431770e-10 2.02222623e-06
 2.33679273e-07 1.89718172e-10]


0.93927103


29


[3.39060713e-09 1.47535351e-09 7.76408763e-14 3.14374571e-09
 5.67621861e-12 6.17771632e-12 1.37772519e-12 1.16590687e-11
 1.98144634e-09 1.31466588e-10 5.40300091e-14 9.86791093e-09
 9.17040737e-08 1.17425358e-11 1.55814774e-08 9.11529696e-09
 2.11720627e-10 3.91799813e-06 7.61296359e-09 1.83390902e-09
 1.53134606e-11 8.09585385e-11 2.88326113e-10 6.61863064e-11
 2.94378515e-11 8.80513024e-11 2.65568838e-06 2.76444666e-13
 9.97330904e-01 1.26306315e-06 6.33829433e-09 1.23697887e-07
 2.97768921e-08 4.92192521e-06 6.93490961e-07 8.63845218e-10
 5.24824524e-11 9.08410291e-10 1.91607130e-09 2.72775691e-09
 2.79593321e-10 5.41337634e-11 5.40494429e-12 4.63120930e-10
 2.82547614e-11 1.24021635e-11 7.08160530e-10 1.41938850e-09
 8.52280607e-11 3.72573717e-12 1.43079220e-11 9.64964111e-13
 7.82374165e-11 4.57129907e-12 3.62814063e-08 9.09924192e-10
 1.06440893e-07 8.17022894e-09 7.44393702e-08 5.58070014e-11
 2.65395548e-03 9.99968734e-07 1.52963850e-07 1.13745835e-09
 8.37973635e-10 2.29066974e-10 7.54084891e-13 2.67579822e-13
 1.06967032e-10 4.48555039e-12 8.62641569e-10 6.57687904e-10
 3.77224640e-11 1.77228496e-10 6.29007957e-11 4.82376465e-11
 1.34558059e-10 8.00915778e-10 9.52166471e-12 8.00680522e-10
 1.54598452e-11 1.66175320e-11 2.47318242e-11 1.71480788e-10
 2.09322382e-09 5.30350198e-14]


0.9973309


28


[1.2812836e-07 1.3310207e-06 1.0110566e-12 4.9332494e-10 1.9714768e-13
 5.0786664e-10 2.3968067e-13 4.3212694e-11 6.0996008e-09 4.9413196e-10
 6.8268065e-11 5.9326721e-10 2.1955873e-06 9.2890834e-12 1.4492618e-07
 2.8302802e-10 1.0594468e-12 1.7788970e-10 1.1313463e-10 4.1608736e-10
 6.3111838e-12 9.7750226e-13 4.4470008e-11 2.5500826e-10 1.3084424e-11
 2.5911811e-07 8.0391667e-09 2.5016684e-12 3.2406366e-08 4.8818333e-10
 2.7990045e-13 7.5079408e-11 2.6548965e-09 7.3007356e-10 6.5006549e-11
 5.0529458e-10 5.3650665e-12 4.6411898e-13 4.3040609e-11 1.4748305e-10
 1.9156727e-11 1.4679533e-12 7.6640598e-14 6.7424351e-11 5.9920798e-14
 1.6597003e-13 1.5916631e-11 3.9750290e-11 6.2165594e-13 1.5789234e-12
 3.8228192e-12 1.4174091e-13 3.5674907e-11 5.2005761e-12 6.2165374e-05
 6.8979308e-11 2.8265994e-11 2.2857942e-12 2.3027007e-10 4.7609681e-13
 6.8948488e-12 4.3488715e-10 2.2138667e-12 6.6409096e-13 4.6643540e-12
 1.9684428e-11 1.1211799e-16 5.0643300e-14 1.2331546e-12 3.2528672e-12
 2.2903931e-13 7.7523717e-11 4.7814617e-13 4.4709991e-12 1.0926270e-12
 1.3373314e-12 8.0624591e-13 9.3077983e-11 5.7536720e-15 8.7262565e-11
 1.6049651e-13 2.7708697e-12 4.2421400e-13 8.7902489e-12 9.9993360e-01
 3.5169576e-17]


0.9999336


84


[8.58141138e-05 4.19533280e-05 2.39287767e-09 9.99822676e-01
 1.55417779e-11 3.62115145e-07 5.17726195e-10 1.30666311e-12
 1.24619149e-07 2.14299511e-09 8.59315332e-13 1.50183668e-11
 3.56635010e-09 9.34059011e-11 2.47217820e-08 2.68216033e-10
 1.63666347e-09 2.04428974e-10 1.65172737e-11 1.53937446e-10
 1.11358567e-09 1.33012357e-09 7.23606464e-09 6.14763462e-10
 3.90724952e-10 4.07900247e-09 6.66475160e-07 9.40353004e-11
 4.03798231e-06 1.78647312e-07 3.88414079e-10 3.04954960e-06
 4.00758779e-07 2.13910127e-07 1.04805474e-06 1.79274693e-07
 6.68347322e-10 4.55751575e-10 1.14053421e-07 9.00126362e-11
 1.07551742e-07 3.46054185e-10 3.14210775e-11 4.44060106e-07
 1.13797485e-10 3.92966548e-09 2.58613864e-09 7.47322737e-09
 1.18091270e-09 3.73584410e-12 1.01559143e-10 1.14242060e-09
 2.53286156e-08 2.53239523e-06 2.78222760e-05 2.63708274e-11
 1.89974014e-09 4.88286018e-12 6.45732462e-06 5.69446934e-09
 2.93159729e-07 1.24316159e-06 3.65663144e-09 3.28421166e-08
 8.80760069e-08 3.29649841e-09 8.98906949e-10 2.96244175e-11
 3.48955975e-10 3.03347097e-10 7.23997173e-09 1.00632957e-11
 1.81311122e-09 8.57694271e-09 5.06173325e-09 8.15882972e-10
 8.71175687e-10 2.23465833e-08 1.50539373e-10 6.70929631e-11
 1.16836957e-11 2.61845805e-11 1.30741051e-09 1.35638690e-12
 1.81896258e-08 4.15149550e-13]


0.9998227


3


[2.36114173e-09 2.78005969e-11 1.04678085e-14 2.77727341e-10
 1.44465450e-15 9.83748763e-17 1.44329468e-14 4.64856062e-12
 1.94527043e-08 3.55245916e-13 3.02534129e-17 1.96715542e-14
 4.73488054e-11 8.70557254e-15 1.03008192e-11 3.00973621e-11
 1.17780665e-08 5.12492437e-10 7.74941153e-11 3.82878104e-11
 2.28239198e-11 1.84342840e-12 1.45959460e-11 1.99857589e-10
 4.15654447e-12 5.59782797e-13 5.43617540e-10 4.53162811e-12
 2.69303655e-07 2.18476081e-04 2.57938240e-07 1.42151941e-06
 1.11464244e-04 3.08213033e-09 9.99668121e-01 1.63978175e-09
 2.61673530e-11 6.37460529e-10 2.48916138e-10 1.78829329e-09
 2.32626862e-10 1.03086420e-11 1.97952917e-12 1.01616687e-10
 1.58011954e-11 1.42103918e-12 1.09717764e-11 3.46087825e-10
 4.45526374e-13 1.09882980e-15 9.00770736e-10 2.04557525e-15
 7.11718228e-13 2.10076368e-13 8.22695662e-11 2.70059594e-16
 7.01619318e-12 1.59691607e-12 3.75636605e-11 2.91862950e-10
 4.35810936e-11 1.55692370e-09 3.26487781e-10 5.08124088e-14
 4.58069938e-09 2.21602264e-10 1.28599602e-15 2.40106431e-14
 2.41677143e-12 1.87037018e-12 9.53907398e-10 1.24823524e-12
 2.05250273e-13 6.81165402e-10 1.40798126e-12 4.23181808e-13
 5.46655464e-11 1.07562492e-09 7.34672672e-15 6.48090540e-11
 2.13319184e-12 7.08758659e-12 3.02654528e-15 7.08953382e-12
 1.41631359e-10 2.14121674e-17]


0.9996681


34


[1.09296167e-07 2.77324528e-08 3.04621640e-11 9.99968410e-01
 1.19207277e-09 4.34921565e-09 1.80971557e-10 1.33546364e-12
 1.35161493e-09 3.33365491e-09 1.02078332e-10 7.20015031e-13
 1.45642143e-09 4.25981368e-11 1.15166513e-05 4.35785574e-11
 7.92742816e-11 5.34762512e-10 1.43546092e-10 1.00626094e-08
 6.00394678e-10 2.14379403e-09 1.86882717e-05 2.99107428e-09
 2.97025515e-09 2.34409103e-10 9.84789472e-10 5.52999226e-12
 2.62929909e-08 6.26413421e-10 3.30547086e-14 3.30175644e-12
 3.01724548e-11 4.00484750e-11 1.42543488e-09 2.98460612e-09
 2.83697094e-11 2.11434581e-12 1.10983818e-08 1.98511541e-12
 4.45261739e-09 1.23566034e-12 1.19931341e-13 1.17502930e-09
 3.13605370e-13 1.72872428e-14 5.47675551e-11 2.23697241e-11
 4.31699381e-12 1.22080673e-14 1.26853970e-11 1.82928065e-11
 2.00928452e-09 1.53047283e-10 2.67498848e-07 1.50203688e-13
 6.78960477e-15 6.76617965e-15 1.07232445e-08 2.27991626e-09
 3.94710353e-09 1.52842148e-07 1.82696636e-10 1.76660381e-10
 1.61216764e-08 1.62208014e-09 2.56502569e-10 1.78841848e-12
 1.57506050e-10 4.11885998e-10 6.92701349e-07 6.74984929e-11
 7.72042098e-13 2.93489899e-10 1.88587049e-10 5.18485532e-10
 5.17038530e-11 9.27183830e-10 1.00914874e-10 2.71930980e-12
 1.17957011e-12 3.63004852e-12 6.08283823e-09 1.04145100e-13
 8.55855031e-09 1.54976833e-15]


0.9999684


3


[7.54588836e-09 5.53252777e-09 2.70891979e-14 3.11911705e-08
 6.44339826e-15 1.04795941e-14 6.53443662e-12 1.16712107e-09
 2.13317477e-07 2.26261912e-10 4.69042853e-16 1.14297883e-12
 6.10555440e-10 1.29082102e-13 1.91461531e-08 1.33495107e-11
 6.35235406e-11 1.05211226e-08 2.15357865e-09 8.68082162e-10
 7.06392800e-12 9.86690243e-12 4.31014634e-11 2.25311048e-10
 1.25073346e-11 3.05305802e-12 2.49680249e-10 4.26701805e-13
 1.58450109e-06 9.99511719e-01 3.14392040e-13 2.30982479e-07
 1.73695422e-08 2.74799850e-09 4.14370792e-04 3.00937025e-10
 2.87155846e-12 4.39613727e-11 8.38483588e-11 1.75720694e-09
 1.19452684e-10 2.87936276e-12 1.12610828e-13 5.96370661e-11
 5.09161161e-14 1.37590702e-14 3.61546535e-12 6.35018926e-10
 1.18497432e-12 6.18946837e-15 4.79804564e-11 6.31333256e-13
 6.22064791e-13 2.67573030e-11 5.67768776e-10 1.45107112e-13
 1.03471285e-08 4.02093255e-11 1.57613051e-08 6.74248270e-07
 3.00998636e-07 3.66716777e-05 9.41174790e-07 3.93245991e-10
 3.31216652e-05 3.42308820e-11 3.07824621e-13 3.27013292e-13
 1.54151240e-11 1.33849754e-11 3.39446769e-11 6.40264022e-11
 1.17960275e-12 1.27609912e-09 8.51541060e-12 9.57661728e-12
 1.29526972e-10 1.78495374e-09 1.57389970e-14 6.97134850e-11
 3.39811783e-13 4.89625424e-11 2.27238137e-13 1.28390604e-10
 5.13233900e-10 4.50295314e-16]


0.9995117


29


[1.24313626e-08 1.84161042e-09 1.23585100e-10 2.96553071e-09
 4.74464287e-11 5.42295930e-10 5.79818915e-10 7.35631156e-09
 8.11795964e-09 3.81148624e-09 3.23699900e-10 7.59785337e-08
 2.45961360e-07 3.14925552e-09 2.52833215e-05 1.86645686e-08
 1.77264610e-07 9.65432167e-01 3.28987278e-03 2.27663950e-05
 3.18979687e-08 1.01121268e-05 4.39098301e-07 2.31832971e-07
 8.80025475e-09 8.41849035e-10 2.20227730e-06 1.19302387e-10
 1.99359795e-03 5.98443057e-06 1.85683060e-08 1.27231541e-08
 1.09183054e-08 7.71564785e-08 5.25808136e-05 3.69263589e-08
 8.42559444e-09 3.50091511e-08 9.65140945e-09 4.67190198e-08
 5.75331249e-09 1.99298822e-09 4.26607139e-10 5.84659765e-10
 8.74419925e-10 7.11531598e-11 1.11038325e-08 2.76498513e-09
 4.62520067e-09 6.50574872e-11 1.51446289e-09 5.52448864e-10
 5.42349987e-09 1.81264295e-10 1.23153621e-09 3.10661674e-09
 1.57041257e-04 2.39080720e-08 1.02378053e-05 6.87993236e-07
 2.89773419e-02 6.16935267e-06 9.44797466e-06 5.14344890e-07
 1.32539571e-06 9.06800945e-09 8.77551032e-10 8.36390956e-11
 3.93388824e-08 2.93482971e-09 9.44505132e-07 1.44922330e-09
 1.40584422e-09 1.41318433e-08 1.53733914e-08 6.88857194e-09
 1.78629178e-09 2.32138042e-09 5.11795772e-10 6.98355818e-09
 3.07214565e-09 1.16701848e-09 3.97647826e-09 3.60828478e-09
 5.10112974e-09 9.60442142e-12]


0.96543217


17


[2.0289168e-08 6.9760646e-09 1.6375517e-11 5.4416375e-08 1.4775652e-12
 1.2838639e-11 3.3563870e-11 1.7540049e-10 6.6092198e-08 5.4240268e-10
 2.3548990e-13 4.1103041e-09 2.3038419e-06 5.0300455e-11 9.4425550e-06
 2.4792847e-08 2.7386081e-08 5.8853711e-05 8.3985225e-07 8.3632505e-09
 4.6026818e-09 1.0126968e-08 2.3907715e-08 8.7200441e-08 5.3341226e-10
 2.9669176e-09 1.0796770e-06 3.8581985e-12 1.4479690e-03 4.0131530e-05
 4.9791662e-08 1.9924207e-07 2.0998309e-07 7.2429759e-07 2.5399006e-03
 2.6630671e-08 2.1420794e-09 3.4271097e-09 1.7378358e-08 5.3429353e-08
 8.0794997e-09 8.8062979e-10 4.5873309e-11 7.6381690e-10 1.5344524e-10
 2.1602299e-10 1.0513402e-08 1.1448287e-09 1.7843310e-09 3.4027003e-11
 1.3446864e-09 1.5364908e-10 4.2381676e-09 3.2613118e-10 5.9958656e-09
 4.3941806e-09 5.4320230e-05 1.7687864e-07 1.5832045e-07 5.3730497e-07
 9.9581832e-01 6.7359260e-06 9.1057746e-06 1.5200175e-08 8.1561620e-06
 1.0178977e-09 3.8288032e-11 1.5237372e-10 1.7721318e-08 5.1788591e-11
 1.8227317e-07 1.3375370e-09 1.7114561e-10 4.4106322e-08 3.7035399e-09
 4.8941682e-09 2.9695220e-09 1.9507512e-08 1.6358474e-11 9.7470361e-09
 2.2426021e-10 6.0396504e-10 1.3009738e-11 4.4289170e-08 1.5429349e-09
 1.1107896e-13]


0.9958183


60


[7.50250479e-07 9.99890208e-01 1.56375304e-08 2.82317444e-07
 1.32771203e-12 1.58608834e-10 3.48630118e-11 8.63196661e-08
 1.41733147e-09 2.72963554e-08 1.17750497e-11 8.76141883e-07
 4.74217416e-07 1.76326106e-10 8.94100813e-05 2.38929196e-08
 2.54276201e-12 5.96839840e-08 1.97836107e-06 7.15932957e-09
 2.43381892e-09 7.12373327e-10 5.66328481e-07 4.17407442e-08
 8.25483681e-10 2.78543633e-09 1.32531053e-09 6.68268175e-12
 2.29875461e-08 7.92919437e-08 1.22725265e-14 2.30208578e-11
 4.00583511e-10 3.58665571e-12 1.79549195e-10 2.19919777e-11
 2.75002909e-10 5.07298739e-13 1.09599323e-10 2.15179524e-12
 1.16731694e-11 7.35905867e-12 9.08960746e-14 2.17584215e-10
 2.28869549e-13 1.39917930e-13 2.55109441e-11 1.01170515e-12
 1.55679517e-12 3.28858793e-13 9.78355678e-12 1.69542516e-12
 1.23072205e-10 1.26155031e-10 2.79377701e-07 9.54432422e-10
 4.63101424e-09 3.84315427e-11 8.21245933e-08 2.95743408e-09
 5.15576604e-09 3.32094805e-06 2.00831907e-09 1.15181156e-10
 4.25992158e-10 5.70337388e-10 6.90293837e-14 5.02928948e-12
 1.04752249e-11 5.02842872e-11 3.84201684e-08 9.43262468e-10
 1.12402310e-10 2.54978205e-10 9.18242982e-11 2.53156274e-09
 1.91859879e-11 2.94893832e-10 4.73744579e-13 2.54844656e-09
 7.56372395e-12 1.92612357e-10 3.15593374e-09 8.84878559e-10
 1.12731632e-05 2.45576493e-15]


0.9998902


1


[1.7485907e-05 1.2919163e-06 2.2230324e-08 8.3807743e-01 4.1951677e-12
 7.4089746e-07 2.2961093e-10 6.2008752e-11 7.6554425e-06 1.1621221e-08
 2.7359779e-12 2.2376758e-11 6.2591134e-05 8.1753888e-11 5.2766165e-07
 1.6411274e-10 6.9455686e-10 2.3436075e-10 5.3451549e-10 1.7781046e-09
 2.3115692e-09 4.7427040e-10 6.9670273e-07 6.5330670e-09 3.2633171e-10
 9.2140601e-07 6.2782767e-08 5.7922733e-09 6.0550010e-06 3.5460936e-04
 6.1558975e-10 5.2530686e-05 8.2200735e-08 1.2049428e-08 6.6217632e-05
 2.5358454e-06 1.0158119e-08 1.8787978e-09 2.4844935e-06 4.9550331e-10
 3.8025164e-06 8.0474676e-09 1.0174590e-10 9.6758185e-06 2.8376955e-11
 2.6424377e-10 2.7558329e-08 5.5904728e-08 6.3129246e-10 1.4753676e-11
 9.6892990e-08 8.8079240e-08 1.9603689e-07 4.7376370e-06 7.0066289e-06
 5.2878497e-11 1.2908473e-08 1.7620434e-10 8.3905292e-07 4.8974209e-05
 6.5465047e-06 1.6093925e-01 2.1685530e-07 4.6893342e-07 3.2238997e-04
 1.3406376e-10 2.2362816e-10 2.1430765e-10 3.6914310e-10 7.6560952e-11
 7.8192963e-09 2.3540607e-09 1.0715526e-09 2.5986982e-10 4.4260036e-09
 8.5311378e-08 5.9966951e-08 1.8238445e-08 5.4742605e-10 3.6729899e-09
 1.7148578e-11 1.4190874e-08 4.2233381e-09 3.0172320e-08 1.3431664e-06
 6.7655522e-13]


0.8380774


3


[6.2694187e-07 2.1666397e-08 2.5366820e-10 1.0669092e-07 3.2406096e-12
 2.9102788e-14 2.9632815e-12 4.8608890e-09 1.3561791e-07 8.6767711e-12
 7.4207148e-16 1.0524241e-10 1.6210089e-08 3.1120844e-13 1.6385996e-09
 2.2627147e-09 5.1303953e-08 8.0394630e-10 5.0432103e-09 7.6535995e-09
 8.6411109e-09 1.6026058e-09 9.1183288e-08 4.3893731e-08 3.3213033e-11
 2.7140619e-09 2.7290858e-08 9.6000152e-10 1.9035929e-04 1.6007815e-03
 2.2975425e-03 9.9189973e-01 1.2916481e-03 4.0536111e-06 2.7129324e-03
 1.6912240e-07 5.0008409e-10 4.2030683e-07 3.5991995e-08 7.6731318e-08
 8.6587475e-09 1.8590375e-09 2.1348114e-12 3.5150716e-09 1.2109268e-09
 9.5870112e-09 2.7425903e-08 3.6674919e-07 3.4271936e-09 3.7294828e-13
 9.0195428e-08 6.7888658e-13 1.5543805e-09 8.5730922e-10 5.2482512e-09
 1.5880365e-13 4.8391042e-09 8.9550112e-10 4.1261776e-09 6.8102686e-08
 8.6904278e-10 1.0886620e-07 1.6057992e-10 4.0285390e-11 2.8047065e-08
 2.1357143e-13 6.0753632e-13 3.0104880e-11 2.0421016e-11 3.3031800e-10
 3.1498757e-08 2.9805717e-11 4.7405517e-12 1.9423560e-08 1.8125910e-10
 9.5260178e-10 9.4294215e-08 3.1900857e-10 2.2563577e-13 9.1199986e-08
 1.5349129e-12 1.6422752e-10 1.0349015e-13 1.1409596e-08 2.8855844e-09
 7.4226840e-12]


0.9918997


31


[4.96027667e-07 2.31015932e-07 6.36202380e-09 5.36524644e-03
 5.11060648e-07 4.23019370e-10 2.61756866e-11 9.58113922e-10
 3.20142177e-11 1.83412734e-08 5.22820942e-09 9.57510599e-11
 1.23702637e-09 6.43732984e-11 9.44704399e-04 3.67309454e-08
 5.01844433e-09 2.51840788e-07 1.54262955e-06 6.22814582e-07
 1.99562280e-07 6.55343058e-07 9.93636250e-01 3.95155553e-07
 8.91949767e-08 1.43264556e-09 2.78266832e-08 4.10277264e-11
 2.79763324e-08 1.22120518e-08 2.51912713e-10 1.17438566e-08
 2.50032550e-09 3.36988180e-08 2.46800202e-09 4.50243442e-06
 7.42957584e-10 9.92093963e-10 1.47657637e-08 9.18506521e-11
 2.04287254e-08 3.66452563e-10 1.18082497e-12 8.28899083e-09
 1.02794696e-10 2.55181575e-12 3.93378929e-09 1.80666937e-09
 4.64770500e-10 4.33639886e-12 6.89474700e-10 9.57229851e-10
 3.51219889e-08 1.44359824e-09 1.11762525e-07 6.24305685e-12
 4.25791659e-11 1.99344924e-12 4.64464591e-07 1.15923893e-08
 6.14266360e-10 2.14095617e-05 1.81454140e-11 2.60029420e-09
 4.86662310e-09 1.66125377e-10 2.09771454e-11 1.09422436e-11
 7.03995846e-12 1.16406801e-10 2.20868569e-05 4.39933229e-11
 1.46234110e-12 2.92427943e-10 2.39303710e-09 1.49851229e-10
 1.02626796e-10 1.64830705e-10 3.73874764e-10 3.74335757e-10
 3.78679293e-12 9.76264070e-10 1.08116804e-09 6.97740060e-11
 1.60106917e-09 2.48886536e-11]


0.99363625


22


[3.31347223e-07 4.40640990e-09 3.76316547e-11 9.90121603e-01
 6.89965063e-08 2.54207198e-08 1.10543366e-10 4.90102091e-11
 7.87609422e-10 6.22576749e-07 3.61403796e-09 9.88277318e-14
 8.35602532e-10 2.08400588e-10 9.86818410e-03 3.93896721e-11
 1.20300825e-09 4.00651468e-09 1.41761527e-08 2.46853290e-07
 1.30650397e-08 2.82932206e-06 4.57623429e-07 7.49931284e-10
 8.59218972e-07 5.79663961e-08 2.80224306e-08 7.12596648e-11
 1.28653866e-07 1.69734549e-09 3.89579916e-13 9.26523858e-10
 1.76465709e-09 7.29408924e-08 2.61175456e-11 4.99902967e-07
 6.30944116e-11 1.71305591e-11 2.53602224e-07 3.77484745e-11
 2.20519336e-08 1.91086716e-10 1.14511547e-12 1.43606201e-07
 6.40323406e-13 2.82887364e-12 3.44927420e-10 2.80688472e-09
 5.74638115e-10 4.31039232e-12 2.18667640e-12 5.63776537e-09
 2.47933745e-08 9.60264490e-09 2.86480486e-07 2.14934216e-11
 8.98147008e-12 2.46840986e-15 4.46094752e-08 3.22190026e-08
 4.45281856e-09 2.87162266e-06 2.66769874e-12 1.82532233e-07
 1.49612394e-08 3.72972347e-11 8.39269487e-11 2.27778582e-12
 1.00261399e-09 1.54466435e-12 5.32908206e-09 4.39202104e-12
 2.60567306e-12 1.10914385e-11 1.78653731e-10 1.96078043e-10
 1.31942400e-11 1.51863411e-10 2.84191958e-11 5.54340037e-12
 1.16513353e-12 2.07043993e-10 5.29292339e-11 8.49061620e-12
 3.29387206e-09 3.26781889e-14]


0.9901216


3


[1.32298612e-06 6.43846477e-07 2.44248982e-10 2.60357174e-05
 1.41850342e-11 2.93440694e-09 3.73164966e-09 8.99902034e-07
 8.53927031e-06 1.29008686e-06 7.92679117e-11 1.39666212e-09
 2.16245962e-06 1.09205378e-09 7.03887395e-07 8.25720115e-09
 1.07853300e-08 2.77772415e-07 2.05381721e-08 3.05827797e-07
 1.34716960e-09 1.91503631e-08 3.27668488e-07 1.20559406e-07
 1.39785152e-08 1.40536969e-07 1.04226638e-04 1.78807269e-09
 1.92533769e-02 3.44369680e-01 2.64437028e-09 1.22989703e-04
 1.12112111e-05 1.23094273e-04 2.09449106e-04 1.70560781e-06
 1.11962883e-08 1.13661427e-08 1.08418703e-07 2.83479352e-07
 3.10318029e-08 5.34719735e-09 1.04998954e-09 2.43520446e-07
 9.77992465e-10 8.02292677e-10 1.75964718e-08 1.18032062e-06
 2.23160121e-08 7.04456493e-10 3.52244598e-08 3.57172314e-09
 1.77040302e-08 1.68817257e-06 7.30759984e-06 5.38942615e-08
 2.35288826e-04 1.30286326e-05 1.61124754e-03 4.62142234e-05
 1.54771255e-02 6.03234828e-01 1.26196658e-02 2.42518703e-03
 8.66988703e-05 2.72812245e-10 2.69583111e-09 5.82774218e-10
 2.53693369e-08 1.37090805e-09 3.86817014e-08 2.87802511e-08
 1.33659661e-09 9.01199648e-09 9.39148137e-09 2.01836436e-09
 5.16833119e-08 1.38904298e-07 8.05103692e-11 1.00489459e-07
 6.22283391e-10 3.13281454e-08 8.94909424e-10 5.67056304e-07
 1.17723864e-07 2.94117575e-09]


0.6032348


62


[6.30086845e-07 4.56434677e-08 7.47566418e-08 4.17711908e-06
 2.77415513e-09 1.12718510e-08 5.53793100e-09 4.29284410e-06
 4.60324600e-07 3.19094795e-07 1.82528410e-07 1.59609414e-07
 1.11877705e-06 1.91979709e-07 7.15785209e-05 7.17883893e-07
 1.88140575e-06 5.49234211e-01 5.88843115e-02 5.75392682e-04
 1.22759184e-06 2.07201301e-04 2.15343698e-06 1.21648955e-05
 3.68533915e-06 2.73679120e-07 5.48177559e-05 4.71447148e-09
 5.69139411e-05 2.59786081e-02 2.10160174e-08 2.72967338e-08
 7.81302276e-08 9.61546903e-05 1.74418776e-04 8.26599717e-06
 2.83803928e-07 2.73773566e-07 5.30631269e-07 1.88791921e-06
 2.43132661e-07 1.68537412e-07 4.13173922e-08 1.24422300e-07
 4.78157647e-09 1.55995494e-09 1.33729273e-07 1.37111533e-06
 2.17376424e-07 9.41536182e-09 7.44157873e-08 3.08363575e-08
 2.71527284e-07 2.74774070e-09 4.69090423e-07 1.55040727e-08
 1.48980494e-03 8.67428795e-08 4.82996344e-04 3.52387869e-05
 2.00895080e-03 3.07335764e-01 1.23519183e-03 5.18392697e-02
 1.26518979e-04 1.16762772e-06 1.80692794e-08 4.95500918e-10
 1.13452734e-06 1.12819237e-07 6.18245849e-07 3.46973849e-07
 2.28660895e-07 9.98253654e-07 1.61728587e-06 1.16401047e-07
 1.40339855e-08 2.93561352e-05 5.86720219e-08 1.15344079e-07
 4.28276195e-07 4.00835596e-08 3.04688470e-08 2.73007845e-05
 4.47040122e-07 1.82285054e-09]


0.5492342


61


[2.85050561e-07 1.15333672e-08 1.03985475e-11 1.61387295e-08
 9.09502725e-13 6.15184986e-11 1.83353693e-10 4.81659086e-08
 6.36233665e-07 2.31417943e-08 1.15991288e-12 9.47682111e-08
 9.39151121e-08 2.54183924e-10 7.96170184e-07 1.50409143e-08
 2.15249729e-09 2.84810494e-06 9.89212978e-08 3.80067577e-09
 5.78096127e-10 4.00238687e-09 3.04791026e-10 5.56268418e-08
 2.92834268e-09 3.84894250e-08 7.77844907e-05 1.00616390e-11
 8.58413987e-05 1.56785143e-04 6.57636745e-09 7.71334612e-07
 1.84699260e-08 9.15280452e-07 3.47003493e-06 2.25823555e-08
 5.17996535e-10 1.62056879e-09 1.62501346e-09 1.07748981e-07
 1.42201406e-09 5.89959248e-10 9.56469695e-11 1.77625761e-10
 6.67420494e-11 1.88613375e-10 1.33489131e-08 7.03314873e-09
 2.86821122e-09 5.31984401e-10 9.37037004e-10 4.19857517e-11
 1.87615279e-09 1.49455326e-09 1.33232743e-06 1.74273076e-08
 2.93628108e-02 7.00581950e-06 7.37162566e-07 6.31947756e-08
 9.64822531e-01 5.33996848e-04 4.65114042e-03 8.76179984e-05
 1.96252644e-04 1.65675509e-08 1.96584554e-10 2.77338499e-11
 5.67209497e-08 2.20574475e-10 9.24360866e-10 8.89588936e-09
 5.91153237e-10 3.65422380e-07 7.63224151e-09 6.19482798e-11
 5.89572280e-10 1.18691290e-07 2.05064507e-11 4.81079443e-09
 1.07022169e-09 1.74322636e-08 1.70931099e-11 5.00440365e-06
 3.47256979e-08 1.36671143e-12]


0.96482253


60


[8.68846897e-08 1.32390812e-06 3.87302386e-13 4.99761794e-11
 1.45835479e-13 1.10278217e-10 3.52966007e-12 1.44813816e-09
 5.68555194e-08 1.25373245e-09 4.89156007e-11 1.29509852e-08
 5.18170164e-05 2.74777784e-10 7.81756739e-08 3.54426238e-10
 1.35298402e-12 6.38564712e-09 2.04088968e-09 3.71553321e-09
 6.66789887e-11 2.59805146e-11 6.99209718e-11 1.43765337e-08
 3.93209146e-11 1.67554890e-06 2.34512036e-08 4.09503403e-11
 1.25188828e-08 2.07486153e-08 1.28010580e-11 2.31989405e-09
 5.02198212e-08 7.82070630e-10 3.33445827e-10 2.06784687e-10
 3.75368660e-12 1.79873824e-12 1.57868909e-11 5.02122011e-10
 1.61119867e-11 3.41240296e-12 4.69294254e-13 1.20506001e-11
 8.12471618e-13 6.32893531e-13 2.83761313e-11 1.13323788e-10
 4.50450685e-13 2.17135251e-12 1.49324289e-10 3.73964233e-13
 7.19947990e-11 1.19577059e-12 2.09582577e-05 4.81939939e-11
 1.92147507e-08 4.93262479e-11 3.98089478e-10 3.57491922e-12
 6.37067439e-12 6.40306341e-09 1.02210733e-10 1.51133689e-11
 7.18690905e-12 1.35195292e-11 5.99096398e-16 9.61175041e-13
 2.20724758e-11 9.47221902e-12 1.18103259e-12 7.85321391e-11
 2.11741540e-12 1.14772246e-11 3.74120838e-11 1.96027721e-12
 2.74408274e-12 1.57795818e-10 4.95610582e-15 2.66858174e-10
 2.06013551e-13 1.36400474e-11 1.62927248e-13 2.36198905e-09
 9.99923825e-01 1.08887349e-16]


0.9999238


84


[3.8699122e-04 4.5833335e-04 1.4747854e-08 9.9883252e-01 1.5965167e-11
 4.4553116e-07 7.0602396e-10 1.6542863e-11 3.0889370e-07 7.8579188e-09
 8.2776245e-13 2.7358990e-10 2.9883278e-08 1.6907360e-09 1.6088805e-07
 2.5009916e-09 1.1337330e-08 2.3676505e-10 1.9290762e-10 9.4632624e-10
 5.2336437e-09 7.5425870e-09 2.7285795e-08 3.4230760e-09 5.0551469e-10
 1.5648195e-07 1.6836258e-07 1.0486331e-09 5.2183409e-06 6.5228769e-06
 5.8436517e-10 2.4903624e-05 7.3741944e-06 1.5929331e-06 1.3133668e-05
 1.5161341e-07 1.4618152e-09 9.1678232e-10 7.0233376e-08 3.6516221e-10
 8.5788673e-07 2.0910602e-09 8.1134731e-11 2.5630689e-07 4.1605111e-10
 7.9500602e-09 9.6118891e-09 2.8468847e-08 5.8393734e-10 2.4822077e-11
 1.6557998e-09 8.0674658e-09 4.9143150e-08 6.1243671e-05 1.4446257e-04
 2.2047558e-10 2.9546212e-09 3.2605654e-12 1.5334654e-06 7.3870994e-09
 3.6381755e-07 5.2331652e-05 1.7148645e-08 9.3912760e-08 3.5027523e-07
 4.5778044e-09 7.7851325e-09 1.6600839e-10 3.2750413e-10 9.6713748e-10
 4.5235414e-08 3.3694245e-11 6.5026624e-09 6.0626739e-09 1.2093619e-08
 2.7535123e-08 1.0703604e-09 6.2045558e-08 7.5656190e-11 6.7236672e-10
 3.0954742e-11 1.5334038e-10 1.7767562e-09 6.0997263e-11 7.8988251e-08
 1.4894368e-12]


0.9988325


3


[2.02491121e-10 1.91254347e-12 2.18516480e-15 2.36439965e-11
 3.94110851e-16 1.36206711e-17 1.37993377e-15 2.24641052e-13
 2.78375234e-09 1.07363281e-14 1.39902360e-18 6.97853716e-15
 2.29331172e-11 1.80235630e-15 1.23694772e-12 1.94440384e-12
 2.61707322e-10 2.02387534e-11 2.61720663e-11 3.78017192e-12
 2.35179562e-12 9.18874460e-13 5.42656794e-13 8.50694428e-12
 1.03597103e-13 2.48666810e-13 4.53160807e-11 7.82692162e-13
 1.40918132e-07 4.40158874e-06 2.89610000e-07 9.45506963e-06
 1.36357276e-05 4.77640505e-09 9.99972105e-01 1.24028010e-10
 9.31074011e-13 1.42532264e-10 3.48454564e-11 3.18334248e-10
 9.35359290e-11 8.64560322e-13 6.85087702e-14 7.01115468e-12
 1.85575600e-12 1.80356869e-13 6.08107705e-12 4.19301122e-11
 8.00217301e-14 5.77323787e-16 5.12643122e-11 3.04282796e-16
 1.84076211e-13 8.28608490e-14 2.23341658e-11 1.98711018e-17
 3.64433223e-12 1.72409179e-13 3.04964994e-12 3.32888383e-12
 5.74236839e-12 2.27725935e-10 8.52232434e-12 8.65192910e-15
 6.63411159e-10 2.60670847e-12 2.40096651e-17 2.42716804e-15
 1.07133818e-13 1.81989874e-14 1.01829024e-10 3.11521608e-14
 5.61158785e-14 7.44729972e-11 3.99978959e-13 3.76573196e-14
 5.66825146e-12 7.18968635e-11 1.07652350e-15 9.29773619e-12
 7.88833449e-14 1.04037341e-12 1.41366543e-16 4.49959167e-12
 4.95705491e-11 4.62032567e-18]


0.9999721


34


[1.96528688e-07 1.82165660e-08 1.62898861e-10 9.99898791e-01
 4.03060918e-10 1.08396814e-09 1.51280821e-10 5.38416913e-13
 9.60573288e-10 2.94167335e-09 6.41027717e-11 5.29178589e-13
 9.14212650e-10 2.11165363e-10 3.71146893e-06 2.10869947e-10
 1.45567766e-10 2.42250109e-10 7.15190407e-11 4.31880798e-09
 4.01143785e-09 2.48759635e-09 7.58681708e-05 5.26684429e-09
 4.92761654e-09 1.74959422e-10 2.30297170e-10 5.88911125e-12
 1.07668257e-08 1.31710837e-10 9.72376408e-14 6.22184110e-11
 8.33527691e-11 4.19893204e-10 3.14037285e-09 2.16018958e-09
 7.73771065e-12 3.67084575e-12 4.09946246e-08 2.57556086e-12
 4.38614967e-09 2.23503291e-12 1.20240677e-13 5.68515457e-10
 1.78717460e-13 7.58634827e-14 2.90778290e-10 1.07521006e-10
 5.35854911e-12 5.22556512e-14 1.26559978e-11 9.83941262e-11
 2.52447241e-09 2.83641832e-10 8.76425133e-07 5.63300932e-14
 1.12211757e-14 6.09080174e-15 1.16003092e-08 3.75748810e-09
 2.83312152e-09 9.55543101e-07 9.65488245e-11 2.90582003e-10
 2.28544899e-08 4.68251660e-09 6.00895889e-10 6.02761807e-12
 1.21854915e-10 3.34887651e-09 1.95220200e-05 8.93431509e-11
 1.47744473e-11 9.04451458e-10 9.88857995e-10 4.59109017e-09
 2.86870198e-11 1.07067208e-08 1.10409105e-10 1.30078769e-11
 2.28807446e-12 2.63791732e-11 3.00286951e-09 6.38707904e-14
 3.27934613e-09 1.38876303e-14]


0.9998988


3


[1.67339220e-09 4.91208230e-09 7.50054451e-15 7.90063037e-09
 2.81501606e-16 4.26386036e-16 1.45199835e-12 5.95230754e-10
 2.60723674e-08 3.49655027e-11 2.99636185e-17 1.12896773e-13
 1.29989700e-10 3.39416232e-14 1.63561129e-08 3.49819631e-12
 1.20806438e-11 1.46575208e-09 5.18479970e-09 6.00219652e-10
 2.36938312e-12 8.87227097e-12 1.01128723e-11 4.93443619e-11
 5.80080255e-12 6.05872340e-12 2.21276782e-11 2.70572156e-14
 9.15104437e-08 9.99850392e-01 1.36357736e-14 2.04179198e-08
 2.33743602e-09 1.24314614e-10 9.87088351e-05 1.58240140e-11
 2.05335884e-13 9.67396649e-12 1.31493315e-11 2.37153769e-10
 2.48964252e-11 3.19797493e-13 2.56832553e-14 5.83598274e-12
 6.60069991e-15 1.57477464e-15 5.08126852e-13 6.87213134e-11
 1.23632726e-13 7.67551187e-16 5.00768611e-12 6.57778004e-14
 1.13429475e-13 6.80470741e-12 5.95515443e-11 1.80241276e-14
 2.79484463e-10 2.53778639e-12 5.90466842e-10 3.08145900e-08
 1.41552254e-08 2.48973338e-05 3.23308115e-07 1.08898793e-10
 2.54178722e-05 3.55168082e-11 4.99446066e-14 5.84787684e-14
 9.55067189e-12 7.82166085e-12 5.45385265e-12 1.59455695e-11
 4.03864225e-13 5.28870281e-10 7.18349967e-13 1.36354751e-12
 1.39003406e-10 9.73728764e-10 4.27622508e-15 5.67122824e-12
 6.40172255e-14 1.09055464e-11 8.78337523e-14 2.05304079e-10
 1.09568833e-10 1.63993652e-17]


0.9998504


29


[1.92270431e-06 6.58310853e-07 1.54221436e-08 1.05240666e-07
 1.78296256e-09 6.34839781e-09 3.69819695e-08 8.00020814e-07
 4.58996183e-08 4.37830217e-08 6.15735962e-10 2.64014707e-05
 5.67598981e-05 6.96965543e-08 3.08498362e-04 2.44373655e-06
 5.09777692e-06 3.86233419e-01 5.45146167e-01 4.09296161e-04
 1.46183493e-06 1.14008144e-03 1.90059768e-06 1.92467087e-06
 1.36322640e-07 1.61053620e-07 1.03060156e-05 5.34309352e-09
 4.52728011e-02 1.28093525e-04 5.07633615e-07 1.06108928e-06
 5.96113580e-07 7.10333188e-06 3.59088392e-03 9.68444027e-08
 2.48927847e-07 1.61821481e-06 1.16582264e-07 5.30556520e-07
 1.29794486e-07 9.07605084e-08 3.07026689e-08 3.65673447e-09
 1.90571754e-08 6.35343689e-09 2.21210001e-07 2.15363638e-08
 1.40404751e-07 2.08522621e-09 2.89447701e-08 4.66256056e-09
 7.08256422e-08 4.34580443e-08 1.10037277e-08 1.10911785e-07
 1.70294172e-03 1.10135443e-06 2.24330870e-05 1.32271725e-06
 1.57123115e-02 9.29345115e-05 9.24621636e-05 5.23836547e-07
 1.16128977e-05 2.09110112e-07 1.22260095e-08 9.36669675e-09
 6.30941372e-07 2.38732213e-07 4.48190394e-06 9.63077227e-08
 5.10608693e-08 4.64680710e-07 4.82800829e-07 4.86307329e-07
 1.65881161e-07 1.92253452e-07 8.20997048e-09 2.59198458e-07
 1.79037567e-08 2.25744810e-08 3.66947859e-07 1.46732691e-06
 3.19438271e-07 1.12965115e-09]


0.54514617


18


[2.99675165e-08 9.99974012e-01 2.38014539e-11 7.85628274e-09
 1.75332273e-15 5.07690027e-12 8.54805755e-13 9.49454115e-09
 6.15287959e-11 4.07446432e-09 1.87862400e-15 5.05087749e-09
 3.94611516e-06 2.61571819e-12 2.20471229e-05 1.95194888e-10
 1.66631981e-14 3.17366359e-12 1.67490510e-09 1.75167086e-12
 5.43720060e-12 1.53123608e-12 3.20466292e-11 9.05361411e-11
 3.49904264e-12 8.87269924e-10 9.44926754e-13 9.61200791e-14
 2.40335885e-09 2.71548317e-09 1.94548899e-14 2.66562120e-11
 7.92871713e-10 2.90766608e-12 3.37868566e-10 2.02877103e-12
 1.67172474e-11 2.09935937e-13 4.03127748e-12 2.11186564e-13
 8.04160612e-13 1.13504529e-13 1.16683413e-14 7.40715198e-11
 1.45489259e-15 9.08704129e-14 1.24833561e-13 1.00757381e-13
 3.30429823e-14 1.08237334e-14 2.27071102e-13 1.14807889e-13
 2.84600251e-13 8.61935037e-11 3.43830658e-10 1.55520874e-10
 6.51375134e-11 6.54288201e-13 8.48936199e-11 1.09795992e-10
 7.66848651e-12 2.77404211e-09 8.36833380e-12 1.06962366e-12
 1.34919740e-11 8.20163653e-13 7.79823953e-16 5.89261875e-13
 2.36878337e-14 9.67964424e-13 6.39973977e-11 3.81883587e-11
 2.18752013e-12 1.71079730e-11 2.98038842e-14 1.09791642e-09
 6.66026401e-11 2.75054502e-12 6.70365888e-15 4.04119516e-11
 6.21927081e-15 3.74621618e-11 1.17460668e-11 5.78916748e-10
 3.32410011e-08 2.60431132e-17]


0.999974


1


[1.26478623e-08 3.63378206e-07 2.36682673e-10 1.00091822e-03
 1.06353676e-11 4.50734339e-09 1.28743002e-10 1.85288118e-10
 3.88485063e-07 7.19382831e-10 3.95539244e-12 1.63774716e-09
 9.96472001e-01 8.98604368e-12 1.82680904e-09 1.74783243e-11
 4.83595719e-10 1.07254539e-10 3.31172565e-08 1.58174052e-09
 1.98096636e-10 2.61386002e-09 3.46725777e-08 5.43050982e-09
 4.65732314e-11 3.36714879e-06 1.25863224e-07 6.67159394e-09
 9.86763951e-08 4.73122127e-05 4.06964407e-10 1.00818661e-05
 4.02124260e-06 2.38553781e-08 2.44525913e-03 2.78242873e-09
 2.79193402e-09 1.56506108e-09 2.57084523e-08 2.38049913e-10
 1.25787203e-08 5.07364928e-10 1.99769472e-11 1.27267761e-08
 1.64141062e-11 4.51872956e-10 6.62425670e-10 2.70620037e-09
 6.77711831e-10 2.81638983e-11 8.02896238e-08 7.74063214e-09
 1.12006349e-09 1.85104028e-07 2.02024388e-08 1.65604058e-10
 5.88155800e-08 9.82781412e-09 3.63724539e-09 1.82599464e-08
 1.68857173e-09 9.39080621e-07 4.52839499e-09 6.58521682e-10
 4.93567882e-07 1.24536804e-11 5.06580151e-12 7.97764424e-11
 1.41550355e-10 2.70906925e-11 1.11291414e-10 4.71703336e-11
 1.11140173e-10 2.64359437e-11 1.66535397e-09 3.84719590e-09
 3.24071650e-08 1.15673404e-09 2.22386363e-11 1.13180187e-09
 5.90596278e-12 1.29426803e-09 1.40721490e-10 3.96533005e-06
 1.00599300e-05 2.24935440e-13]


0.996472


12


[5.5189929e-07 2.0932918e-09 5.0461777e-11 4.4689788e-03 4.0869870e-11
 8.1506094e-11 3.3676652e-11 2.9511066e-10 1.0161045e-06 1.3226112e-10
 6.4388043e-14 2.6411953e-10 6.4759428e-07 2.2461048e-12 3.6147507e-10
 7.7590412e-10 3.2732274e-07 3.6252479e-09 5.0478700e-08 7.5777891e-09
 5.6274024e-10 2.1831734e-09 2.3930980e-07 8.6669793e-08 7.0546256e-11
 7.6981394e-08 2.4598185e-06 3.0140064e-09 9.4138188e-05 9.6973574e-01
 8.0452843e-08 5.3692807e-04 3.5376070e-05 3.8499253e-05 2.5063343e-02
 1.7454749e-07 5.1761828e-10 3.4213230e-08 3.3529437e-07 5.4374721e-07
 1.3289210e-07 2.0213026e-08 1.5254843e-10 3.1374935e-08 4.3887152e-10
 6.5289474e-10 2.0262783e-08 8.2648704e-08 5.6159966e-09 1.5371314e-11
 2.2068785e-07 9.0358221e-10 1.4484189e-09 1.9718749e-08 1.9754211e-08
 1.5670243e-11 1.7849236e-06 5.5732755e-07 2.3445823e-08 1.6196831e-06
 1.1554887e-07 1.0891250e-05 1.0275037e-06 1.6368283e-07 7.7791543e-07
 2.2242683e-12 4.1647345e-11 4.6489163e-11 1.8454614e-08 7.3381412e-11
 7.7402396e-10 2.3450282e-09 2.1282096e-11 2.0932598e-09 2.2384368e-08
 4.7506482e-10 1.7924222e-08 3.5739841e-08 1.8347993e-11 2.3706862e-08
 2.1393948e-10 5.9064953e-10 1.3883725e-11 2.6196672e-06 4.5843709e-08
 1.0155383e-11]


0.96973574


29


[1.2368513e-06 3.6005239e-09 1.4489182e-11 5.4494581e-08 6.1501408e-11
 7.8032564e-10 7.1480216e-10 1.3378164e-07 3.9550585e-09 1.7282995e-08
 2.0918876e-09 1.8227829e-06 1.5765366e-08 2.5178988e-09 4.0376293e-05
 3.4701159e-08 6.6672968e-08 9.9943548e-01 4.5021067e-04 2.9742766e-06
 8.4897849e-09 1.3061400e-06 7.8134672e-06 1.8828865e-07 1.3015367e-08
 8.9750000e-07 8.4990694e-07 1.8607967e-10 6.5863702e-07 1.5592881e-05
 7.4329680e-09 1.5847670e-08 1.5861452e-09 2.0088509e-08 1.3451174e-07
 3.0513800e-09 1.9021140e-10 1.5283572e-09 3.5075716e-09 5.4521689e-09
 1.3889513e-10 5.2449951e-11 3.1044878e-11 3.0249253e-10 5.5084097e-11
 1.9848069e-12 6.8599766e-09 6.9023537e-10 3.0000347e-10 5.8898449e-11
 3.5465342e-10 2.2683534e-10 2.0607602e-09 2.2707471e-10 1.9744311e-08
 2.7389200e-09 1.9867491e-07 4.4237982e-09 2.8758341e-08 5.7228333e-09
 1.6869526e-05 3.0561087e-06 1.1420143e-05 7.2692266e-08 1.4478383e-07
 4.8865658e-09 4.8787496e-10 9.3557401e-12 3.1837015e-08 1.2193223e-08
 3.6728217e-08 3.7992955e-08 2.5044637e-09 1.3593437e-09 7.4528010e-09
 8.9821999e-09 5.6517147e-10 6.9053557e-10 4.0715053e-11 1.7175319e-10
 2.4460700e-09 1.2038848e-09 3.0497915e-09 7.5243993e-06 4.5477054e-07
 3.0576327e-12]


0.9994355


17


[5.5596436e-05 8.4217660e-08 8.2361389e-09 3.8406879e-04 7.8617024e-10
 2.6618625e-06 7.8514539e-08 7.5591242e-07 2.0071412e-02 7.6746340e-07
 2.8373261e-08 2.3181357e-08 2.4666041e-03 1.0173306e-07 5.4477364e-06
 6.5863480e-07 6.3402052e-07 3.5671430e-06 4.0286773e-07 1.8310405e-06
 3.5392060e-07 1.7685072e-07 1.5736654e-06 2.8078657e-05 3.1539170e-07
 2.5577131e-01 9.0087450e-04 1.5042572e-07 3.3332482e-02 2.2869606e-01
 2.2695472e-06 2.8781299e-03 1.1435052e-04 8.5951178e-05 7.5852592e-04
 1.4468742e-05 2.5821083e-07 2.3492669e-06 2.2443204e-05 1.3381509e-04
 1.4383438e-06 2.2992637e-07 2.1446337e-07 1.3743745e-05 1.9636124e-08
 1.8593990e-07 1.3268695e-05 1.4845403e-05 2.3893946e-07 2.3391540e-07
 9.3869112e-06 3.2813141e-08 9.5861005e-06 1.0275105e-06 1.0265091e-03
 2.0607097e-06 4.5124730e-03 2.7103964e-05 5.4518168e-04 1.3138333e-03
 3.2139562e-02 1.6142821e-01 2.7548369e-02 1.8590553e-01 2.1575931e-02
 3.2518275e-07 1.2829534e-08 4.4763379e-08 1.8564278e-05 6.6601828e-08
 4.5639506e-08 1.0067132e-05 4.4726741e-07 6.1828126e-07 2.0384755e-06
 3.1444340e-06 2.5119775e-06 2.2693112e-06 1.3436416e-08 8.3289224e-06
 3.0402237e-08 9.7407565e-06 1.3423455e-08 1.5793119e-02 2.3207415e-03
 2.6792213e-10]


0.2557713


29


[1.28735223e-07 3.04730783e-08 3.56002749e-12 3.37212445e-11
 1.10636299e-13 6.48552462e-11 1.63809613e-12 9.54008539e-10
 3.67303556e-08 5.32781319e-10 4.71138351e-10 2.96080714e-07
 3.63282908e-07 7.01062541e-11 2.14732921e-04 1.69381092e-10
 1.10346790e-12 4.71371475e-09 1.23605428e-08 5.20268717e-10
 5.90892005e-12 2.44133463e-11 2.66580619e-10 3.58218344e-09
 1.55167434e-10 2.64007918e-04 1.79002289e-08 3.51150576e-12
 1.08297527e-09 6.67096101e-10 3.16570186e-12 8.56468674e-10
 1.05782903e-10 8.31703456e-12 1.27315268e-11 2.63617479e-11
 3.15363079e-12 3.42280934e-12 4.87304225e-11 2.31943464e-10
 3.50673185e-13 4.17886781e-13 8.60061737e-14 7.71098185e-11
 2.54954901e-14 3.67086190e-13 7.58665353e-12 9.71699392e-13
 8.69538382e-13 4.70240166e-12 1.54426347e-10 5.95880055e-15
 1.05438392e-11 3.72303620e-12 1.85381816e-06 1.12138987e-09
 3.31673855e-10 4.72550655e-13 1.08452032e-11 2.55833793e-13
 8.71603137e-11 9.37067668e-09 1.99919456e-11 4.74334330e-12
 7.67632138e-11 7.58279203e-12 1.28234520e-15 1.66546640e-13
 1.39397924e-10 8.80275366e-12 1.18014974e-14 1.47267559e-10
 4.75010656e-12 2.80782494e-12 2.16648119e-12 6.73598200e-12
 1.37419459e-12 7.84056934e-12 4.90159417e-15 8.60576194e-12
 3.02968608e-14 6.81466862e-12 4.43976128e-13 1.06948073e-09
 9.99518514e-01 1.90636941e-17]


0.9995185


84


[3.03320377e-03 1.29761493e-05 9.81562835e-07 9.48593974e-01
 1.92762712e-08 3.37627421e-06 3.56077869e-08 2.55875079e-07
 8.52207540e-06 1.00483032e-06 5.63616220e-09 1.02964798e-07
 3.25411520e-07 2.28367696e-07 1.58798903e-05 3.83066450e-08
 2.40577052e-08 2.10434041e-06 1.25112138e-07 2.89047478e-07
 3.20352846e-08 2.11782449e-07 1.54862619e-06 2.44616842e-07
 6.87696877e-09 3.85133579e-04 3.02586286e-05 2.19606065e-07
 1.63567383e-04 2.60056258e-05 2.11093422e-07 2.27170953e-04
 6.81688061e-06 9.52864822e-04 2.24222211e-04 5.52906567e-06
 3.04885113e-08 2.95426048e-07 9.18509886e-06 1.56430900e-07
 7.27039242e-06 5.88494693e-08 7.59995356e-09 1.30961189e-05
 1.34054110e-08 4.61862797e-08 2.42474812e-06 1.33213132e-06
 8.61743459e-08 3.55586458e-08 3.69209687e-07 3.49069978e-07
 1.69440420e-06 1.19681736e-05 4.20700796e-02 1.89021367e-08
 9.09405935e-06 2.93015501e-09 6.54573057e-07 1.31251255e-07
 1.22981264e-05 1.06401078e-03 1.58518901e-06 7.23866106e-05
 1.81105919e-04 3.60910697e-08 2.06161079e-08 8.72523120e-09
 2.22473759e-07 1.06927978e-09 1.80346105e-09 3.32989138e-08
 1.90743119e-08 3.84252630e-08 1.44269450e-07 2.62440683e-08
 3.18715863e-08 4.29682501e-07 1.09278453e-09 1.65808160e-07
 1.01770805e-08 1.65438774e-08 1.35706188e-07 7.85000907e-07
 2.84052547e-03 1.03522524e-10]


0.948594


3


[7.85777772e-08 4.56544491e-08 5.44341572e-10 1.50156993e-07
 1.67904388e-11 3.40268314e-13 2.24546805e-11 1.37324978e-08
 2.34633291e-07 1.49888574e-11 9.58698232e-15 6.59830302e-10
 2.11074635e-07 1.05584968e-11 6.96029989e-09 3.14594928e-08
 4.33549587e-07 1.14308671e-06 2.00763228e-08 1.38707010e-08
 2.18505782e-08 1.76622965e-08 9.07741153e-08 1.65253994e-07
 5.92920657e-10 1.31977451e-09 8.95252317e-09 5.18141174e-09
 4.20949310e-02 9.43652631e-05 3.08621991e-02 8.88692379e-01
 9.71958332e-04 3.06121297e-02 6.66538626e-03 8.70902142e-08
 6.86298529e-09 7.91854973e-07 1.16054686e-07 4.40135551e-07
 1.54403850e-07 1.85474924e-08 1.83232457e-10 5.72314001e-08
 8.86095308e-10 7.39012265e-08 4.44381044e-07 3.36280408e-07
 1.10996394e-08 6.39582831e-11 1.02652685e-07 1.07083760e-11
 3.23944818e-08 2.26693400e-10 2.03161250e-07 8.86462399e-13
 2.47711824e-07 9.20431198e-09 7.97614703e-08 7.79915155e-09
 1.81299853e-07 1.25998525e-07 4.46863102e-10 3.51414675e-09
 9.22348988e-08 4.15662296e-12 1.26452338e-11 1.12667695e-10
 1.16499629e-10 4.69381589e-10 1.86116704e-08 9.30392291e-11
 5.50194601e-09 1.76053199e-08 1.12429420e-10 1.07665099e-09
 1.36382674e-08 2.90120923e-08 1.27866001e-12 9.89571873e-08
 1.81623869e-10 7.65390595e-09 2.54109478e-13 2.51215280e-08
 1.84955738e-07 4.75040883e-12]


0.8886924


31


[2.4960261e-07 1.8953439e-06 9.6839825e-10 6.5895068e-03 1.3288407e-07
 2.1925943e-10 4.9065810e-11 1.5342054e-10 1.0559291e-12 3.8342045e-09
 4.0783824e-10 1.5538825e-08 3.6214383e-09 2.6834321e-10 3.3714293e-06
 5.9452557e-08 2.6021045e-08 2.8206832e-05 1.1384011e-07 3.4874498e-07
 1.3189340e-08 1.0946795e-06 9.9231929e-01 1.7602273e-06 1.2762089e-07
 2.6143548e-10 3.1548149e-09 6.0353132e-11 9.9850894e-08 2.0763196e-09
 2.7349269e-11 3.0971446e-08 7.0267916e-09 6.3521647e-08 5.5932536e-10
 1.5390079e-08 1.4672952e-10 6.3490067e-11 1.2896187e-10 7.9785761e-12
 5.4761751e-10 2.0392370e-10 6.2748673e-12 7.1974443e-10 4.8368154e-12
 1.0574575e-11 1.4547560e-09 3.5996148e-09 3.0755124e-11 7.4143885e-12
 6.2971267e-10 2.3308994e-10 3.2615100e-09 8.8717325e-11 7.1719286e-10
 8.4078543e-12 1.8508018e-11 4.1240214e-12 8.9861224e-08 2.1001664e-08
 3.9704915e-08 3.4992801e-05 3.8281027e-09 1.1795301e-08 8.8813151e-11
 5.5359622e-10 7.6207183e-09 2.0228879e-11 2.9994915e-12 5.0137988e-10
 1.0183477e-03 4.6986390e-11 3.8168368e-10 1.9227324e-10 7.5858808e-10
 3.0862735e-10 1.2234003e-12 1.3128946e-09 7.9996093e-11 2.8439986e-11
 4.3131592e-12 2.5037168e-09 3.7152486e-08 3.3196168e-11 2.1386362e-09
 9.3234838e-13]


0.9923193


22


[2.4197908e-07 5.3677729e-09 1.0603967e-11 9.9994624e-01 3.4451941e-07
 2.1132416e-09 3.7248944e-11 4.9392246e-10 2.3210692e-10 1.7471854e-07
 6.1589609e-09 7.4406388e-13 1.3912715e-09 3.0926435e-11 3.8062760e-06
 3.2774162e-11 4.9370391e-10 5.8542362e-08 1.4579733e-09 1.5240239e-07
 1.6342923e-09 3.5001827e-07 2.5815734e-06 1.4512426e-09 5.6950029e-08
 2.0855733e-08 4.3430761e-09 2.9134157e-11 1.0662556e-08 1.2956358e-09
 5.5996738e-13 3.4210265e-10 3.2175781e-10 9.3415222e-09 1.2983539e-10
 7.4457301e-07 1.0884942e-10 7.4059396e-12 9.2428088e-08 9.8964534e-12
 8.1455207e-09 4.2822107e-11 7.2797272e-12 2.1663711e-08 7.7180130e-13
 2.2334910e-11 1.3500674e-09 3.5595396e-09 2.3799384e-11 5.5129568e-12
 1.0456966e-11 3.1407614e-09 1.9991454e-08 4.1324628e-09 2.7381892e-08
 2.1448607e-11 2.4156092e-12 2.7152031e-15 6.5157266e-09 7.1887127e-09
 4.8429405e-07 4.3842756e-05 2.5798452e-10 6.1263904e-07 1.0440235e-09
 4.1945825e-11 3.9827769e-10 4.9146169e-12 2.2974783e-10 4.9301299e-11
 2.3856643e-08 3.6852474e-12 7.9968011e-12 5.3324064e-12 2.0329970e-10
 2.5303665e-10 2.0886066e-12 6.3048362e-09 9.0466301e-11 4.3333475e-12
 1.1555035e-12 6.9373764e-11 2.5683322e-10 8.8730238e-11 6.5304953e-09
 1.2133790e-14]


0.99994624


3


[9.41469523e-07 7.31830187e-06 2.67365602e-10 1.71629417e-05
 1.18179936e-11 1.44190171e-08 6.38848252e-10 1.26876884e-07
 2.26837471e-07 1.95416192e-07 7.67862857e-11 2.77830470e-08
 2.89957916e-06 1.84971399e-10 7.00961095e-07 1.97032719e-08
 2.91627362e-08 1.53670828e-06 8.80281590e-08 3.66961700e-07
 2.65855449e-09 1.28696328e-07 1.23586945e-08 6.87198742e-09
 1.30477069e-08 5.35172035e-07 7.13891495e-06 2.51719701e-10
 3.89453396e-02 1.63484201e-05 1.06121085e-07 1.85272972e-06
 4.58565268e-07 5.57146996e-06 5.12756560e-06 2.27842136e-07
 4.26585656e-09 3.58579011e-09 6.12653679e-08 5.31065503e-09
 5.75708015e-09 3.39542394e-09 9.70107905e-09 4.14504854e-07
 1.61896899e-10 2.18200480e-09 3.93666006e-08 1.77467854e-07
 6.11669027e-09 5.72521197e-10 4.16303186e-10 1.97159206e-10
 3.20554001e-08 3.54568442e-07 1.78554933e-06 1.58808149e-07
 2.68801850e-05 3.49373259e-08 1.30138997e-05 4.46097310e-08
 9.22479391e-01 3.78981233e-02 1.31738299e-04 4.17065021e-04
 1.53927303e-05 1.74428094e-09 1.60303748e-09 6.47202902e-10
 8.11325851e-09 3.88361743e-09 1.56835142e-07 2.33725679e-08
 9.76100645e-10 1.60566991e-08 8.02313771e-10 7.63302310e-08
 2.46292569e-08 1.57206813e-07 2.14547780e-09 1.22901955e-08
 1.97556360e-10 3.09158246e-08 2.49012004e-07 6.80776679e-08
 2.83838055e-08 3.00669739e-10]


0.9224794


60


[1.7755087e-07 4.2280539e-07 8.3331331e-10 3.8382105e-08 1.5736902e-09
 1.7194539e-08 4.4706621e-09 2.2874427e-05 7.7463991e-10 1.0240807e-08
 2.9272322e-09 7.2400560e-08 4.7029253e-08 1.1524502e-09 3.9850988e-06
 1.8427848e-08 9.1564083e-08 9.8100960e-01 1.5072249e-02 2.7035028e-04
 5.9550977e-08 1.4798355e-04 4.3442800e-08 8.0323282e-08 2.0448849e-07
 9.4977546e-09 3.4142326e-07 7.1921785e-10 2.1104455e-04 4.2588022e-04
 7.3529720e-09 4.2001989e-09 1.0501659e-07 3.3247495e-08 5.4821085e-06
 2.7328413e-08 5.3255835e-09 5.1266951e-09 4.4097193e-09 2.6441922e-08
 2.0041839e-09 9.2714423e-09 2.2880041e-08 2.3319020e-09 2.6591667e-09
 7.7489661e-11 4.5131570e-09 1.3084460e-08 2.0410454e-08 4.0192999e-10
 4.8415321e-09 1.7810560e-09 3.6473240e-09 1.6551967e-10 2.4272714e-08
 4.5653531e-10 5.7235964e-05 5.4514839e-08 8.3462564e-06 3.5528652e-07
 5.8527349e-04 4.6302433e-04 1.7103987e-03 1.4268159e-06 1.7254910e-06
 4.6560583e-08 5.4727733e-10 3.2846018e-10 6.9853292e-09 1.8368542e-08
 3.0352916e-07 1.5085787e-09 1.2569858e-09 2.1565963e-08 3.7108994e-09
 1.0076689e-09 1.7634000e-10 1.8537413e-08 3.8162706e-10 1.4371804e-09
 1.1629093e-10 1.1399279e-09 5.8979118e-08 3.3615308e-07 2.1597618e-08
 1.2303757e-10]


0.9810096


17


[5.9602694e-08 2.3168610e-08 1.5622644e-11 3.4475001e-08 1.2821639e-13
 2.3205592e-11 2.0356347e-11 6.0456795e-09 1.7764632e-08 8.9143217e-09
 1.8285548e-13 1.3281812e-09 9.6154750e-08 5.3735419e-12 7.8116882e-09
 2.3100908e-09 5.7450417e-10 2.0650411e-07 5.8883782e-09 4.0896349e-09
 2.7733452e-10 2.3023754e-09 2.4260380e-10 4.1035122e-09 1.2908924e-09
 9.0545410e-10 5.6316321e-07 2.9519260e-12 1.1836467e-03 1.2161716e-04
 4.7033897e-09 6.6800631e-08 2.7489380e-08 3.9931301e-06 3.5757132e-06
 7.0466626e-08 1.9694801e-09 6.0637390e-10 1.3218916e-08 7.2971291e-09
 1.9744073e-09 4.7404936e-10 1.9042516e-10 1.3551007e-09 1.0281521e-11
 2.6452848e-10 3.7520373e-09 5.8635763e-09 5.1255515e-09 8.8632976e-11
 5.3280302e-10 1.1809698e-11 1.2465833e-09 6.0171701e-10 2.5839995e-08
 1.1120619e-08 9.5860625e-05 5.9224199e-08 9.5425446e-07 4.3619902e-08
 9.9757844e-01 9.7111985e-04 3.3928496e-05 3.1086902e-06 2.1668366e-06
 1.4658059e-09 3.5098428e-11 1.7275549e-11 6.0588362e-10 3.8199176e-11
 6.8448927e-09 4.0629202e-09 3.9398443e-11 8.0927451e-09 7.4159096e-11
 6.2472794e-10 4.2397816e-10 2.6411282e-08 2.5490634e-11 1.5237230e-09
 3.7686802e-11 5.1302734e-10 1.5652778e-10 8.7287127e-08 4.0881670e-10
 7.2082634e-13]


0.99757844


60


[1.01934284e-05 9.99988079e-01 3.92799421e-12 5.55433533e-10
 1.37764225e-14 4.74549254e-11 5.92694622e-13 9.93358185e-07
 1.24932625e-11 7.63614505e-09 2.97982938e-13 4.05166789e-09
 4.20155200e-09 1.75954119e-12 3.23387894e-08 1.69955286e-10
 9.64755026e-15 1.40771694e-09 2.12951018e-10 2.87457801e-11
 3.98990389e-12 1.64767207e-13 1.42925385e-11 3.63350734e-12
 2.64723608e-11 1.68763947e-10 1.86368612e-11 8.78380159e-13
 1.42146988e-08 2.23785079e-09 1.55815289e-13 7.01618261e-14
 2.37354331e-10 5.85117588e-12 1.91979223e-12 3.04612932e-12
 8.96097649e-13 1.43690246e-14 2.11076078e-12 2.90614185e-13
 1.77185718e-12 2.18012294e-13 7.55130821e-14 1.62188145e-11
 8.52098458e-15 8.86411102e-14 1.29349786e-12 1.61936992e-13
 7.76555469e-14 7.33090753e-15 7.97656700e-13 4.75220381e-15
 2.21066633e-12 6.96217010e-13 4.06217815e-08 1.16910908e-11
 7.16481735e-11 1.19002930e-12 2.77107226e-09 3.71238760e-12
 1.03296045e-10 2.81270318e-09 3.67609831e-09 4.43084068e-12
 1.85236245e-12 6.15824960e-11 9.83009793e-16 5.08510707e-14
 1.18063328e-12 3.02090956e-11 3.16115106e-10 1.50262469e-10
 1.47294156e-12 1.18449375e-10 1.51848003e-13 3.01106744e-11
 7.97480571e-12 3.95683876e-12 8.78024104e-15 7.97894806e-11
 1.03054033e-13 1.04502192e-12 2.31988276e-10 8.71525963e-10
 6.54200790e-07 2.75545668e-16]


0.9999881


1


[2.0308138e-05 4.1663848e-06 1.7436326e-09 6.8877428e-03 1.8823052e-09
 8.6662953e-07 4.7207380e-09 1.8800350e-08 5.5513797e-06 8.9324021e-07
 1.8169247e-11 9.0482315e-09 1.0398946e-05 8.9196961e-10 3.3001811e-08
 2.6762049e-08 2.6571163e-08 3.4851655e-07 3.5660517e-09 1.5763392e-07
 9.6693427e-09 1.0342708e-09 1.9625897e-08 4.2474508e-09 2.2771344e-08
 3.5358063e-08 5.2317855e-06 1.4415140e-08 3.3610305e-01 7.6625554e-04
 8.5400628e-05 9.3097959e-05 1.9421137e-05 1.7905716e-03 4.6639256e-05
 8.9156147e-06 2.1465922e-08 2.0499684e-07 6.3666340e-07 2.7246301e-08
 1.6587882e-06 1.7795232e-08 6.1861956e-09 1.8080414e-06 5.6439116e-08
 2.4960011e-08 6.7404994e-07 6.1936697e-07 1.1819641e-07 1.5399922e-09
 6.8894991e-08 9.8055580e-08 5.4118476e-07 1.8987238e-06 5.9196218e-06
 2.7049421e-07 1.2352987e-05 3.0768537e-05 6.3880732e-05 5.1740744e-06
 6.5334535e-01 4.9289531e-04 1.5345351e-04 2.1516949e-05 7.3939623e-06
 1.6954568e-08 6.4051434e-08 1.7596498e-08 2.3975062e-09 1.5346886e-08
 1.2836484e-06 4.4617391e-08 2.2238842e-08 9.8548512e-08 8.1942730e-08
 3.1531161e-07 7.3605854e-08 4.6489731e-07 2.2232141e-08 4.6142528e-08
 1.1162894e-08 5.1632256e-08 2.5641999e-08 1.3421257e-07 5.0427468e-07
 4.6080874e-08]


0.65334535


60


[4.5496863e-06 7.8060111e-08 2.2981399e-09 5.4348044e-07 6.2528267e-11
 1.2996123e-09 3.6331280e-10 1.9204400e-04 4.6223357e-07 2.4333434e-07
 7.0720585e-10 1.6569661e-08 4.2624293e-08 2.9727605e-09 1.7802356e-06
 3.3823071e-08 6.8833565e-08 2.0129515e-02 1.2934290e-05 2.7776432e-05
 3.9230410e-09 2.0712503e-07 1.0193651e-06 2.9397441e-07 5.3303697e-08
 3.6184273e-09 8.6808941e-05 3.2277321e-09 9.4178464e-04 3.9622247e-02
 1.2839992e-08 3.0288868e-06 1.1536184e-07 6.2496529e-06 8.1530632e-04
 8.8644292e-06 7.5166637e-09 1.5529755e-08 2.6093108e-08 2.3934598e-07
 3.8513495e-08 8.7530747e-09 3.0211476e-09 9.3124527e-08 1.9159201e-09
 4.7498824e-11 1.4543792e-08 5.8390634e-07 8.9738865e-09 3.0659433e-10
 3.0735226e-08 1.2467410e-10 1.6500309e-08 2.9400873e-10 2.3718949e-06
 3.1839273e-09 2.9792574e-05 4.7542244e-07 2.5541079e-04 1.1421195e-04
 2.0890420e-04 9.3603528e-01 1.2082771e-03 2.2648522e-04 5.7246849e-05
 3.0970142e-08 1.7826680e-10 2.2247267e-11 9.0244924e-08 1.3495902e-09
 4.2698116e-07 3.4175319e-08 2.5345730e-09 1.6786482e-08 2.2578773e-08
 7.4568418e-10 3.0239435e-09 4.0412388e-07 4.9026722e-10 8.5003947e-08
 2.8317844e-09 5.8842087e-09 6.5720229e-10 2.6081116e-06 6.4296262e-07
 1.3354199e-09]


0.9360353


61


[1.4271195e-07 4.5955559e-09 6.2546149e-12 1.9038606e-06 4.7758451e-12
 1.4332715e-08 1.2359144e-10 5.3347628e-07 1.4737523e-06 5.0521070e-08
 5.2825538e-10 1.9216917e-10 9.7530432e-08 1.4223714e-10 1.2324135e-07
 3.7455932e-09 8.2849683e-10 1.4965716e-05 1.6422881e-09 2.6868769e-08
 3.5071460e-10 2.9405878e-10 2.9457887e-08 3.6494473e-08 6.1133032e-09
 7.5442330e-08 8.5939073e-06 7.6451567e-11 4.1497481e-04 2.7583531e-04
 5.9272709e-10 9.6383956e-10 2.3417140e-07 6.1516012e-08 3.0869131e-08
 4.9938745e-07 1.8250168e-10 1.3173671e-09 4.4503015e-09 1.3807056e-08
 1.1913555e-08 1.8533545e-09 5.4426147e-10 7.7279685e-09 2.4916158e-10
 7.9068196e-11 3.9910379e-08 1.5633582e-07 2.7505351e-09 6.9153155e-10
 5.1365567e-10 8.0335964e-12 8.2439918e-08 4.2865652e-11 9.1018192e-06
 4.1763855e-08 4.5982463e-04 2.0691989e-06 9.2611022e-05 1.3344886e-05
 6.0433275e-01 8.7681765e-05 3.9235154e-01 1.7412012e-03 1.8847587e-04
 4.8226944e-08 2.6895672e-09 9.0753464e-12 2.9305012e-08 8.4283643e-11
 2.4876341e-08 5.7803908e-09 6.0002314e-09 5.0957436e-08 4.3945798e-09
 4.0871595e-10 1.5871460e-09 2.5377050e-08 1.7862119e-10 1.9464006e-09
 1.2975397e-09 1.0168458e-08 5.4034749e-10 1.1079024e-06 3.7682533e-08
 1.1919083e-11]


0.60433275


62


[5.43901006e-05 7.39328243e-08 4.08660972e-09 1.73132221e-07
 3.93988054e-12 2.30866192e-07 9.57293911e-10 4.36830447e-07
 9.55455289e-06 8.68076825e-07 7.33136929e-08 3.50446183e-09
 2.20399685e-04 4.69433203e-08 8.13985116e-06 8.31789890e-08
 1.11764120e-09 5.07012999e-07 7.43715560e-08 4.21335500e-07
 2.22543637e-08 3.57538088e-09 1.37172577e-07 3.69084660e-07
 3.04904262e-08 6.02943837e-05 5.00225215e-05 2.45521878e-08
 5.86351270e-08 1.34904198e-07 3.89396876e-10 1.12624425e-08
 2.05045425e-11 1.19168291e-07 9.55420520e-10 6.00825217e-07
 3.42698980e-10 4.75870288e-10 1.11402585e-08 2.06822310e-08
 2.49157210e-08 3.49787560e-10 2.62317901e-09 1.67835843e-08
 2.98526620e-11 2.41993535e-12 3.15120285e-09 4.44619985e-08
 5.00030106e-09 8.23957524e-09 3.20972110e-10 7.18428261e-10
 5.96211223e-08 1.20877408e-09 1.20145059e-03 7.20174512e-07
 8.79278218e-07 1.66164625e-07 1.35720347e-06 1.77617476e-05
 5.05648927e-07 3.40875829e-07 4.97240604e-09 5.15575703e-05
 4.48389308e-08 4.29402895e-08 9.89893306e-11 6.40086638e-12
 1.61229234e-08 9.91214932e-09 1.62389890e-09 2.29563838e-07
 2.41734188e-09 1.04851630e-08 1.42599177e-08 9.55956425e-10
 1.11232829e-10 4.86868679e-08 1.16149979e-10 1.64033853e-09
 5.26035604e-10 5.90408149e-08 7.94328658e-10 7.65595658e-08
 9.98317122e-01 1.66941222e-12]


0.9983171


84


[9.83809352e-01 1.33914966e-06 5.58148550e-09 1.22053493e-02
 1.34241319e-13 5.95488192e-09 6.14950729e-11 1.01951579e-10
 8.48753423e-09 4.56316274e-09 5.11194955e-14 2.10424972e-12
 6.64515873e-11 1.34188094e-09 4.66918371e-09 1.55222321e-10
 7.64552976e-10 1.68798475e-10 2.54524895e-12 5.54092050e-10
 1.86574822e-09 1.04827744e-10 3.59888985e-09 9.91496329e-10
 2.66827088e-10 3.95208914e-08 2.41604354e-08 6.88346102e-10
 2.75398211e-08 2.59032120e-08 4.48292063e-11 1.25387055e-06
 2.24741503e-10 3.16169846e-08 4.78708380e-08 7.99610405e-08
 3.35254186e-11 5.39420765e-11 9.99906788e-08 1.45938279e-11
 1.35083937e-07 4.27224055e-12 7.51517251e-11 1.19919022e-07
 4.98321263e-12 1.18325461e-10 1.47506229e-08 2.81180998e-08
 1.69527899e-11 1.31746155e-12 2.17262944e-11 1.86349087e-08
 1.38261713e-08 8.33142451e-07 3.97745566e-03 1.43771467e-10
 1.51669705e-10 1.21584557e-12 6.57344913e-07 1.79847333e-07
 9.72892322e-10 2.05840252e-06 3.50295015e-10 5.59145860e-07
 2.48343532e-08 4.30305347e-09 7.35001227e-10 4.29177473e-13
 6.90439095e-11 1.87672933e-10 2.31981390e-09 3.34699594e-11
 2.77670664e-10 7.18593141e-09 1.86620622e-10 6.66791400e-10
 9.65788491e-11 7.84718601e-09 2.06744344e-11 4.32643817e-11
 6.20702517e-11 2.11192355e-10 1.85088542e-10 1.00884327e-11
 1.59247037e-07 2.40470458e-13]


0.98380935


0


[9.02279510e-07 4.19530899e-09 2.29467443e-12 9.99996424e-01
 8.51862634e-13 8.81362650e-10 1.42143534e-12 1.47033503e-12
 1.05080611e-10 1.11955219e-11 3.76682709e-15 7.87975981e-14
 2.95024595e-11 1.08046912e-10 2.93785996e-10 9.45927039e-13
 2.57939420e-10 5.25295862e-10 2.58215758e-12 5.60713247e-11
 1.42172427e-10 2.75597128e-10 2.57882471e-09 7.86458832e-12
 9.16713025e-11 9.42534419e-12 3.94161681e-09 3.30139562e-12
 2.05833430e-08 1.39338443e-08 1.68732996e-12 6.21038794e-08
 4.07250289e-10 1.93171957e-07 8.67980603e-08 1.25970101e-09
 1.21671891e-11 9.28216115e-11 4.38560363e-07 5.74491843e-12
 2.38392246e-07 6.39815566e-13 3.32913801e-11 6.41661373e-08
 2.74088694e-12 3.68050122e-12 8.34597502e-10 7.14472836e-09
 1.77933612e-12 5.52317686e-13 3.68150519e-12 4.17139567e-09
 2.17220530e-09 4.96865349e-09 3.93067268e-08 1.75020304e-13
 1.30661554e-13 8.09152929e-13 6.10741395e-08 3.24955229e-10
 1.70386940e-08 6.29361807e-07 1.69672170e-08 6.99550128e-07
 3.87962018e-09 6.38316011e-10 1.06951719e-08 6.45311983e-14
 1.62516420e-12 2.88743855e-11 2.15422435e-09 1.00833216e-14
 2.06355252e-10 4.72786310e-10 1.15428006e-11 1.73193369e-11
 1.01332632e-13 5.26795141e-09 1.22346066e-11 7.95469485e-13
 1.18036525e-10 1.26763129e-12 9.56939129e-12 3.88126423e-12
 6.06803385e-10 3.89159123e-15]


0.9999964


3


[5.54663471e-09 3.23490845e-10 5.45071421e-13 4.38239389e-10
 4.04064735e-14 3.21433757e-16 1.27896730e-13 3.28401500e-10
 7.41015569e-08 1.45518458e-13 4.94088678e-17 1.08874704e-12
 6.84093476e-11 1.08603366e-13 4.00537208e-11 1.03916618e-10
 2.65763211e-09 6.52462218e-09 4.88308005e-10 4.00415014e-11
 2.41388454e-11 9.74410743e-12 8.69501693e-12 1.87323934e-10
 3.06530062e-12 2.39493728e-13 3.44085849e-09 8.46560461e-11
 1.72286764e-06 3.39231890e-04 3.04145260e-06 3.31526110e-03
 7.13567279e-05 4.72116142e-07 9.96268749e-01 4.95414376e-10
 1.06444860e-10 7.96301336e-09 2.70214673e-09 1.69127716e-08
 7.82418297e-10 2.97305583e-11 1.20842520e-11 2.10239104e-10
 6.72482486e-11 2.72137972e-11 1.43301163e-10 3.70366093e-09
 7.26231228e-12 2.23785935e-14 2.26336350e-09 8.89480055e-15
 3.81765236e-12 2.87577227e-13 1.38545911e-10 6.25316409e-16
 5.96171001e-10 2.04544451e-10 3.79011302e-11 1.51250568e-10
 2.03169967e-10 5.01346209e-09 2.19167254e-10 6.16901549e-13
 8.07065970e-09 1.27537134e-10 3.29098727e-14 3.70168306e-13
 3.45968761e-12 2.09258327e-12 1.82315785e-09 3.60495677e-13
 2.36836089e-11 1.98168193e-09 6.52105052e-13 6.47636621e-13
 6.23248841e-10 7.42812345e-09 1.08341375e-14 1.33771258e-10
 4.80142558e-11 2.87632401e-11 2.57822641e-15 4.27562930e-10
 1.16215843e-10 1.58108440e-15]


0.99626875


34


[3.84574423e-06 2.18815970e-07 5.85310800e-10 9.99794662e-01
 1.77903168e-08 1.22791810e-09 6.42295217e-10 1.57433649e-10
 7.41900014e-11 2.23566143e-08 1.95075134e-09 6.50242707e-12
 1.43828693e-09 6.78770373e-10 4.41263410e-06 9.53293222e-10
 4.84880469e-11 1.88712290e-09 1.24069172e-10 8.06950951e-09
 2.04512252e-09 1.86141635e-09 1.91883752e-04 1.17829284e-08
 9.31480759e-09 5.64662206e-10 7.72262965e-09 1.30090091e-10
 1.28096325e-08 3.15023618e-10 1.80426000e-13 2.14974580e-10
 7.11712330e-12 3.21072141e-10 2.71434386e-09 2.99643554e-09
 3.96987790e-11 3.06633646e-12 2.56215372e-07 7.08225405e-12
 4.61117322e-09 2.10970868e-12 2.51363600e-12 6.32848085e-09
 7.39877072e-13 3.64278052e-13 7.66669450e-10 1.23141286e-09
 1.53779576e-11 1.40897819e-13 1.60668857e-11 1.11745075e-08
 3.01997116e-09 6.36126096e-10 4.82203177e-07 2.42320622e-13
 3.03310775e-14 3.74766976e-13 8.19310415e-08 8.34240055e-09
 5.56812041e-10 1.34617642e-06 3.84994175e-10 9.55459978e-09
 2.04668051e-08 2.17385274e-08 8.67976385e-11 4.34116068e-12
 1.45898113e-10 1.86129567e-09 2.57532520e-06 5.93658733e-11
 9.15954292e-12 2.62535327e-09 1.28582156e-09 2.03854089e-09
 6.89091006e-11 9.62781055e-09 2.18263237e-11 2.70663804e-11
 2.65738213e-11 1.43533185e-10 9.63174163e-09 2.14878462e-12
 1.33175163e-07 1.22906608e-13]


0.99979466


3


[8.7113918e-08 3.4771440e-07 8.4362628e-10 9.8116552e-06 7.9937081e-14
 1.6796432e-13 1.3371014e-10 9.7444317e-06 5.4688451e-05 2.8529019e-08
 4.9062171e-14 4.0907885e-12 2.8707746e-07 1.1735886e-10 4.2423167e-07
 2.8984131e-09 4.8407629e-09 4.6071085e-07 1.1440205e-08 2.2121924e-08
 1.0237085e-09 3.6310083e-10 5.0106486e-08 7.5785550e-08 3.6255636e-09
 4.0341513e-10 4.1836256e-07 8.0649182e-11 9.1202571e-07 1.6198826e-01
 4.0400916e-12 2.3323334e-04 3.5416385e-09 2.9695136e-07 8.6228800e-05
 5.1416375e-08 2.0198043e-10 3.4735079e-09 6.9627122e-09 1.8894726e-08
 3.5103325e-09 2.1742698e-10 8.7836384e-11 1.0635798e-08 3.7447862e-12
 2.8825143e-12 3.4298706e-10 2.3207601e-08 1.8999510e-10 6.3146032e-13
 7.0236378e-10 5.7462646e-10 1.5303474e-10 4.0204040e-09 2.4920250e-09
 1.6492506e-12 1.4103064e-06 3.6796319e-09 1.6449767e-06 8.2755386e-04
 3.0374718e-08 8.3510983e-01 2.1993774e-06 4.0686841e-04 1.2639060e-03
 1.5482478e-10 7.1455398e-12 2.0825399e-11 1.9635860e-09 2.4967495e-09
 1.0070457e-09 1.5702149e-08 3.3207073e-10 1.6338019e-07 8.1301257e-11
 1.3841770e-09 1.0824470e-08 2.9133111e-07 1.4797045e-12 1.2117145e-08
 2.3464039e-10 1.5332334e-07 1.7596955e-11 4.1227139e-07 2.5729957e-08
 1.1234261e-12]


0.83510983


61


[7.0976540e-07 4.1221233e-07 1.1454989e-09 1.7438668e-06 9.5678478e-09
 6.2316111e-08 3.7747856e-08 1.0479479e-05 2.9844716e-07 8.6794415e-07
 5.1195542e-08 1.1096956e-07 1.5292419e-07 4.5726342e-08 6.2733066e-05
 2.2834788e-08 3.4052252e-07 9.0735132e-01 7.0125298e-03 3.3889297e-05
 3.6481276e-07 4.5932222e-05 4.3563884e-07 3.2657867e-06 1.3017884e-06
 1.5703434e-06 1.1126889e-06 1.4627623e-08 5.7839631e-04 1.9410942e-03
 7.0071778e-08 1.3176975e-08 8.3939511e-08 4.6642849e-06 2.4679159e-06
 5.9239619e-06 1.6640372e-07 4.5352263e-07 2.5273914e-07 7.2106911e-07
 5.0783302e-07 5.5831578e-08 1.9155204e-08 5.2061804e-08 2.0432344e-08
 2.8466132e-09 4.1457301e-07 2.3370674e-07 2.7972499e-07 1.3353774e-09
 1.2093757e-07 2.2299366e-07 5.2404039e-07 2.4471334e-09 9.0231211e-08
 1.1613014e-08 3.5430989e-04 3.5111785e-07 4.0659364e-05 3.5671794e-05
 7.9267405e-02 2.3304883e-05 2.3850321e-03 5.4446212e-04 2.6390282e-04
 1.9720087e-06 5.4819753e-07 4.6281299e-09 4.6630458e-07 6.5285400e-07
 6.3762911e-07 3.7399013e-07 1.0506557e-07 2.8213839e-07 6.0947531e-07
 6.2667738e-08 1.4036665e-08 3.3650787e-07 1.7028928e-09 2.5143866e-08
 1.4105055e-07 4.5761677e-08 2.2298035e-08 1.1290364e-05 7.1558463e-07
 4.9489679e-09]


0.9073513


17


[2.17622897e-08 1.27849740e-08 1.14895836e-10 1.91222270e-07
 1.49599734e-13 2.08302316e-11 1.51704163e-10 6.04525852e-08
 2.33177689e-05 1.25214639e-08 4.84574013e-12 2.13583071e-08
 3.97426305e-07 1.30870745e-10 4.53381699e-06 9.87029036e-09
 6.38413766e-09 1.01468413e-05 6.90357282e-08 1.34108609e-08
 5.76629799e-10 4.23300639e-09 2.75900214e-09 5.84691122e-07
 3.84820220e-09 2.61389648e-08 2.43478189e-06 7.74914421e-12
 1.76626432e-04 4.90808003e-02 5.99738836e-09 3.98180737e-06
 5.72552317e-08 3.34446355e-07 1.29580358e-03 5.47214768e-07
 1.78314397e-09 1.56458437e-08 7.67982655e-08 8.10256495e-07
 4.09092635e-08 4.71725459e-09 2.54050864e-10 5.88697713e-09
 1.62114724e-10 4.45271250e-11 5.95367098e-08 3.11189190e-08
 1.83925231e-09 1.53824189e-10 3.63664210e-09 1.53800125e-10
 5.03698327e-09 3.94923788e-10 1.20250007e-07 5.11530862e-09
 2.46585201e-04 1.62791551e-07 5.71319390e-07 6.12328076e-05
 9.18366134e-01 2.56783199e-02 1.29984342e-03 9.85250736e-05
 3.64505965e-03 9.78025771e-10 1.55765706e-10 2.18977558e-10
 1.71251955e-08 3.06420472e-10 8.11653944e-09 4.22131770e-08
 3.91312732e-10 4.58212703e-08 1.23222765e-09 3.53097218e-09
 1.01166164e-09 5.70989812e-07 8.79860160e-12 2.08714237e-08
 1.42273948e-09 9.61398960e-09 4.31565061e-11 1.59775766e-06
 2.67330709e-08 1.60702940e-13]


0.91836613


60


[4.4388113e-08 9.9999809e-01 1.7876753e-10 5.0897729e-08 7.2802082e-14
 4.0254887e-12 3.0520100e-12 5.4795623e-07 1.2900306e-10 1.5456506e-09
 3.3924599e-12 3.0689609e-09 3.8884068e-08 7.3653297e-12 7.4974776e-07
 2.0293330e-10 2.2144898e-13 7.4293682e-09 3.8850394e-09 3.2570207e-11
 6.9093806e-12 2.7708105e-12 4.8596530e-11 1.6468804e-10 1.4706384e-11
 2.2462740e-11 5.5144522e-12 7.2760748e-13 2.7395732e-09 1.4536394e-07
 4.2198629e-14 4.4225517e-12 1.8889287e-10 1.4215998e-13 1.5282574e-10
 1.7625290e-11 1.3589278e-11 1.4338075e-13 1.7704605e-11 1.1174628e-12
 3.6645925e-12 2.1607141e-12 6.9593819e-14 1.7861893e-10 1.4602218e-14
 1.6101463e-13 1.5178763e-12 1.9761708e-13 2.8891483e-13 5.2502194e-15
 2.0178019e-12 1.4592478e-13 1.8853894e-11 4.5066832e-12 7.2323942e-09
 6.4304929e-12 2.6179284e-11 8.1996401e-14 9.9024344e-10 9.8449193e-10
 1.3239867e-11 6.3479312e-08 4.2200465e-11 1.0628264e-12 2.7141116e-11
 4.5252023e-12 1.7576979e-15 8.1207957e-13 5.9273931e-12 1.3185181e-11
 3.4707678e-10 1.4755384e-11 8.9428145e-13 1.3792515e-11 1.6268470e-13
 2.5106169e-11 9.2077604e-12 4.8121489e-12 9.3918187e-16 1.5086302e-10
 3.4537301e-14 4.8826646e-12 1.7894995e-11 2.7485636e-10 2.4475105e-07
 1.5017984e-16]


0.9999981


1


[8.03223088e-08 7.96616675e-08 2.15635909e-09 1.43686775e-02
 1.60348349e-11 3.75115938e-10 4.49563130e-11 3.48645735e-09
 3.81756035e-06 1.02071482e-07 2.17069262e-11 2.98642500e-11
 1.70452381e-06 1.34561494e-11 6.11290716e-08 1.40927076e-10
 2.63588573e-09 2.25424959e-08 1.55280497e-10 5.19544052e-09
 1.00852722e-10 6.70024409e-12 5.59884850e-09 2.08954454e-09
 1.18106622e-10 6.93745450e-10 9.13541669e-08 8.30757740e-10
 1.84698947e-05 9.72504258e-01 2.36842475e-08 6.43046005e-05
 2.02660590e-06 3.50257409e-07 8.03515501e-03 1.36550079e-06
 2.86835222e-09 4.07061984e-09 1.11062867e-07 1.15637588e-08
 1.50996371e-07 1.17890830e-09 8.05928935e-11 1.32240544e-07
 2.22213636e-10 2.43405435e-10 1.48839086e-09 7.30852108e-08
 4.17083346e-09 3.93735261e-12 4.87697278e-08 2.19559149e-09
 1.88867624e-08 1.45662495e-08 4.01805202e-08 2.78042277e-11
 6.67007205e-09 2.41677700e-09 1.25242849e-07 2.03120999e-05
 8.19513701e-08 4.94914036e-03 7.52658025e-08 3.13272572e-08
 2.89298405e-05 1.23365693e-11 2.18659119e-11 1.68030895e-10
 6.12354389e-10 1.82061345e-11 3.81990395e-09 1.06461791e-10
 7.00432906e-11 9.33841116e-10 3.22467802e-10 2.58864286e-09
 1.01429753e-09 1.82912299e-08 2.01072388e-11 1.47894486e-09
 4.69148895e-12 6.44440390e-10 1.05578246e-11 3.57864707e-08
 8.26359958e-09 2.83798722e-12]


0.97250426


29


[2.7725366e-07 4.2383821e-08 1.0694617e-09 1.4158127e-07 2.1071957e-11
 6.9356132e-10 1.8239689e-09 6.7297606e-07 8.0796650e-07 9.9610205e-08
 2.4791429e-09 1.6393880e-06 8.1579270e-07 6.1470566e-08 1.3287498e-05
 4.0111573e-07 2.7213432e-06 1.8733090e-01 3.9496408e-03 3.9976003e-05
 2.6972261e-08 1.4563098e-05 8.1697777e-07 6.9197011e-07 1.3640287e-07
 8.8980073e-08 7.7269906e-05 1.0839330e-10 2.8804515e-02 1.5502154e-04
 4.9227275e-08 5.8796002e-07 3.4733310e-07 1.0642115e-06 1.1121163e-05
 1.8178613e-07 1.4384574e-08 2.0719388e-07 1.4767669e-07 5.2520228e-08
 1.7948013e-08 6.1336092e-09 5.0146491e-09 1.4840142e-08 6.4203696e-09
 1.8544457e-09 1.9533964e-07 8.9995382e-08 6.4739019e-08 1.1018790e-09
 2.2391680e-09 9.3843311e-10 7.7481715e-08 1.9736339e-08 2.4575476e-07
 5.8954537e-08 1.4040615e-02 2.8531414e-07 1.2914957e-05 6.0089742e-06
 7.6450580e-01 5.9841212e-04 3.4976829e-04 3.2291471e-05 3.9256072e-05
 1.1714362e-07 6.5112133e-08 2.7612176e-10 2.2117906e-06 8.0969393e-08
 1.6222258e-06 1.8729442e-07 1.8289548e-08 6.0416752e-08 2.2253198e-07
 7.1746676e-08 2.6092698e-08 3.3468703e-07 1.4208117e-09 2.7096220e-08
 4.0609891e-08 2.6308669e-09 1.8844126e-07 8.2185515e-08 1.4185170e-07
 1.2750068e-10]


0.7645058


60


[1.3882395e-09 1.2464861e-09 1.1838636e-11 1.1686863e-07 7.5141555e-15
 1.1418194e-13 2.2083907e-13 3.7923944e-09 1.9068793e-07 1.2377487e-09
 2.2918999e-13 1.3634797e-10 1.0955530e-07 3.1675654e-12 5.5599272e-09
 8.6763530e-10 6.5812085e-11 4.4526818e-09 8.5464413e-12 6.8672135e-10
 6.8969908e-12 1.8208412e-11 9.2885399e-10 2.6278417e-09 1.0217131e-11
 1.0361383e-09 1.9338729e-06 6.5717939e-13 2.4875329e-05 4.8184644e-02
 9.3944676e-13 4.4511327e-07 1.7467153e-08 7.3107248e-10 6.0894803e-05
 1.8450355e-09 2.7496897e-11 1.0752178e-11 3.9646659e-09 1.0152144e-09
 7.6803411e-11 6.8540299e-12 9.9492192e-13 5.4354710e-10 1.2695087e-12
 2.6562491e-12 8.7881889e-11 3.0808123e-10 6.2417124e-12 1.4821973e-12
 1.2348571e-10 1.7440155e-12 4.4005171e-11 7.1840580e-12 1.7724844e-07
 7.5081061e-12 7.0795436e-06 1.1502459e-09 1.0514806e-08 1.6545938e-07
 2.8458819e-05 9.5164394e-01 3.7782168e-06 7.3152933e-08 4.3001255e-05
 4.3079663e-12 3.5436213e-13 4.6897029e-13 5.3902405e-10 1.0316348e-12
 4.7547001e-11 9.4224184e-11 7.0569934e-12 1.4222067e-10 3.0498819e-11
 1.6038736e-11 2.7658392e-10 8.9442995e-09 5.8188202e-14 3.9787160e-10
 8.1363003e-13 2.2613944e-10 1.1221424e-12 3.0714805e-08 4.4479371e-09
 6.9170053e-15]


0.95164394


61


[5.56619035e-08 6.98104486e-07 3.38839157e-09 2.65823497e-09
 1.62911188e-12 4.27452207e-09 5.26833716e-11 3.63882058e-09
 8.05732441e-07 8.43923686e-09 1.20201975e-07 4.48469812e-08
 6.92701224e-06 3.65542552e-09 2.44058119e-05 1.84702142e-09
 3.92213623e-11 2.08776747e-08 2.86170110e-08 1.27783595e-09
 1.39418824e-10 8.20225068e-11 1.73327450e-08 1.19072439e-07
 1.13855081e-09 3.74907904e-06 1.56560617e-07 2.54367943e-10
 2.11557372e-09 1.20125876e-09 1.00944782e-11 1.22144250e-09
 1.63474428e-10 5.84914842e-12 1.66965779e-12 2.19978050e-10
 1.71047326e-11 2.23393092e-11 1.73176598e-10 5.57732194e-10
 2.72438651e-11 1.38960796e-11 1.76416035e-11 4.37762582e-09
 1.87354350e-13 3.79243208e-12 1.10187602e-10 4.66860994e-11
 6.08967737e-11 4.52154703e-11 3.60657837e-10 1.44059298e-12
 2.18819829e-09 1.34406278e-10 6.49203321e-06 2.00746730e-09
 2.72279976e-09 6.87504437e-12 1.31930700e-09 1.01890207e-09
 2.25212710e-10 3.71583098e-09 1.53582969e-09 6.56793231e-10
 1.29853905e-08 1.24149593e-10 1.08606769e-11 1.37126107e-12
 1.09289668e-10 2.30733391e-10 2.29311795e-11 1.92263899e-10
 8.76760109e-10 4.55466134e-12 3.18999445e-11 3.38117034e-11
 6.38637129e-11 7.48440407e-11 3.52986683e-13 2.61348998e-10
 5.15496554e-13 4.95493702e-10 2.20072762e-11 5.45043066e-10
 9.99956250e-01 6.54038820e-15]


0.99995625


84


[3.33995729e-07 6.46268973e-07 2.29926529e-11 9.99995589e-01
 6.94251378e-14 3.23668314e-10 3.16584801e-12 6.79338790e-12
 1.16005685e-08 1.26773800e-10 6.91199214e-14 3.61640649e-13
 2.39270964e-11 1.85063631e-11 2.29948789e-08 7.68689420e-13
 9.59215693e-11 4.83637609e-11 2.66841549e-11 1.81100946e-12
 1.79177224e-12 1.47802742e-11 7.70290765e-09 4.19465365e-11
 1.75352458e-11 3.74696836e-11 5.75804249e-09 2.36777525e-12
 3.98181506e-08 5.26881401e-08 5.58862158e-12 1.38426748e-09
 3.27725458e-10 1.04180282e-10 1.28498401e-09 4.17863832e-09
 4.38135612e-13 1.58726775e-12 1.12820336e-10 2.19844989e-13
 3.84683202e-10 4.02547874e-12 2.74533716e-12 6.06984045e-08
 6.21305020e-15 2.93268122e-12 1.90740913e-11 7.67472821e-11
 5.38487787e-12 4.99522138e-15 1.24044048e-12 2.64148599e-11
 1.16574514e-10 2.31150935e-07 3.85501124e-08 3.17362103e-13
 1.54797675e-10 4.75957435e-13 1.19858754e-08 1.03772040e-08
 1.26677169e-09 6.34797672e-08 1.03394802e-06 6.12196445e-08
 1.70431008e-06 2.13387446e-12 7.32832059e-11 1.74879574e-14
 4.87355002e-13 2.69132210e-13 2.17165348e-12 1.11938352e-13
 4.99923471e-11 1.14455606e-11 4.17814654e-12 2.27596969e-11
 1.91707431e-11 6.68884739e-11 8.29774549e-14 1.53794555e-12
 5.18194090e-14 6.60708142e-13 5.94779694e-12 4.26750459e-13
 5.20658128e-10 1.27293872e-16]


0.9999956


3


[1.0057657e-06 5.2498888e-07 2.9806548e-09 2.1460031e-07 4.6826783e-12
 4.4864668e-12 4.2364005e-11 6.1895953e-08 5.3375538e-07 2.8738387e-11
 8.8280057e-14 4.1848439e-10 2.1185338e-08 1.8335834e-10 5.4419971e-09
 5.1902177e-08 2.3026007e-06 2.8941423e-07 2.3982608e-08 1.4647138e-08
 5.2256599e-08 9.6413277e-09 5.7123444e-08 6.9658022e-08 2.9644054e-09
 6.2850378e-09 1.0668354e-08 4.8069371e-08 1.7930973e-01 1.4656560e-04
 7.3497778e-01 7.1548894e-02 3.9791446e-03 1.1416348e-03 8.8760816e-03
 4.1903331e-07 3.2484383e-08 8.7283470e-06 2.3399109e-07 1.0601800e-06
 2.4862561e-07 1.3539706e-07 3.0048344e-09 1.5022719e-07 5.7223954e-09
 2.5964383e-07 3.6595370e-07 1.4239464e-06 7.6061625e-08 1.0903764e-11
 1.7700684e-07 4.1145407e-12 8.7190273e-08 6.1730510e-09 4.1538495e-08
 1.4310429e-12 2.1006215e-07 2.9612083e-08 1.0369497e-07 3.2262097e-08
 1.4914505e-08 1.6603200e-09 2.0084595e-08 6.7796119e-10 1.5809121e-07
 6.1157364e-11 1.6151806e-10 6.7825315e-11 3.6311683e-11 3.7829797e-09
 2.5145010e-07 4.6840205e-11 4.7565930e-08 2.8445325e-07 4.5306203e-10
 7.9279721e-09 7.0580967e-08 3.2162915e-09 1.1572203e-11 2.2378142e-08
 1.1634774e-10 1.2283956e-08 1.2194592e-12 6.4569043e-08 6.6602381e-09
 1.5043505e-11]


0.7349778


30


[1.2704201e-08 5.0147260e-09 1.8394695e-10 9.9980789e-01 5.9602942e-05
 1.1088450e-09 6.9673781e-11 6.9297651e-11 9.6593689e-10 2.1932373e-10
 7.0309264e-10 7.4567887e-12 2.1511350e-11 3.3141743e-11 9.1320559e-05
 3.5927296e-11 6.1619598e-10 5.5814455e-09 1.8272481e-10 7.1185320e-09
 4.9468374e-10 1.3747631e-08 2.3587711e-05 1.8279077e-09 7.3634304e-10
 4.6515285e-11 2.5578295e-09 1.6943037e-11 1.0408312e-09 6.4852498e-11
 2.8041950e-12 1.2861772e-09 1.8216846e-09 1.5304927e-10 5.1699128e-10
 7.4781650e-07 1.0274473e-11 4.1648083e-12 2.8172444e-08 1.3328097e-11
 4.7507343e-10 5.2505884e-09 1.1324269e-12 5.4081623e-10 2.5792872e-13
 3.2000368e-12 2.3552718e-10 5.2036181e-10 1.8959166e-11 9.3412928e-14
 6.2348411e-11 2.9164650e-11 6.7705447e-10 1.5740758e-09 4.4770658e-09
 2.3667351e-12 1.0442001e-12 8.5799857e-14 8.9184060e-10 1.5630660e-09
 9.6612474e-10 1.3386097e-05 2.6979554e-09 2.0332605e-08 3.4829153e-08
 8.5392604e-12 2.1222975e-11 1.8366813e-11 7.9498200e-11 6.8742505e-11
 3.3593496e-06 2.2620616e-12 1.8629060e-11 7.6890405e-10 9.2557034e-10
 4.5640594e-10 9.9216982e-11 3.8128491e-09 5.7103895e-11 8.8030520e-12
 1.4934149e-13 2.7980045e-11 8.6446204e-11 4.6573227e-12 2.0466696e-11
 1.5948288e-12]


0.9998079


3


[2.16770033e-07 1.72247084e-07 4.58090336e-12 4.86294230e-05
 7.11008641e-10 8.65145233e-10 2.37339093e-10 8.49137933e-08
 3.55614575e-05 5.50492985e-09 1.98445732e-10 1.76506604e-11
 2.93883118e-09 1.89836688e-10 1.19124024e-07 8.90492458e-10
 1.09188591e-07 8.79635422e-08 8.28527913e-09 1.79289525e-08
 9.83544801e-09 3.59921382e-09 5.86602368e-07 2.41446969e-07
 1.78738532e-07 1.30545857e-07 6.31963485e-06 4.31209041e-10
 1.56956128e-06 6.60771593e-06 2.88608182e-09 7.12235659e-10
 5.62108122e-04 3.75176024e-09 2.56708120e-07 1.23760983e-05
 2.82783953e-11 3.96770794e-09 3.41624649e-08 1.39474308e-08
 1.75304982e-09 1.76900183e-08 3.48778562e-09 2.11853912e-08
 5.70329166e-11 4.75929740e-09 1.46451562e-09 1.25331312e-07
 2.01478945e-10 6.32243693e-12 4.25571649e-08 1.69015253e-11
 7.17559345e-09 6.10700610e-08 3.73773219e-07 1.95836325e-09
 1.10415540e-05 6.38453956e-09 1.37871882e-06 1.10628798e-06
 8.46483978e-04 6.19474804e-06 9.96989310e-01 1.09826389e-03
 3.69789661e-04 3.75908016e-09 1.93001815e-09 6.75007758e-11
 6.69374822e-09 1.53113758e-10 1.04087921e-08 4.65522376e-09
 1.49351442e-09 5.83097126e-08 3.19930860e-09 3.88549992e-09
 1.06797007e-08 9.17021659e-09 2.26629444e-11 9.69707981e-10
 1.02950382e-09 6.78603573e-09 4.73830593e-11 9.05783821e-08
 1.56561375e-09 9.45583022e-12]


0.9969893


62


[5.97347949e-08 1.05842723e-07 5.71503307e-08 7.44727822e-06
 1.26930431e-08 1.83507368e-07 3.60820063e-09 4.30542968e-06
 4.39993471e-07 2.00902861e-07 4.61243098e-06 1.10485185e-08
 9.66618927e-07 3.85703487e-07 5.77051844e-03 3.38628212e-07
 9.48036700e-07 3.28586549e-01 6.42906055e-02 9.71682966e-05
 1.76038020e-06 1.78790273e-04 6.95516519e-06 3.18248794e-06
 1.13123242e-05 2.52358745e-07 1.78816244e-05 8.50773940e-09
 5.78189838e-06 5.56571592e-07 6.01192696e-09 1.12109499e-09
 4.68679531e-08 5.24140387e-06 1.42287719e-08 9.60598481e-06
 8.07674994e-09 4.64312571e-08 1.85962719e-07 4.10812468e-08
 1.55905404e-08 1.38543200e-07 4.47977868e-08 3.89007262e-08
 8.17237333e-10 2.78671242e-09 3.32354979e-08 1.86177786e-07
 2.64663953e-07 4.18769419e-09 1.75857782e-08 2.89517010e-09
 2.80824509e-07 1.09865532e-07 7.77720118e-07 5.93128163e-07
 8.10212863e-04 7.86298671e-09 1.08239319e-05 3.45768399e-07
 1.42504682e-03 8.72957346e-04 4.66542879e-05 5.97808242e-01
 1.18749585e-05 5.22182084e-08 1.03160119e-07 1.43271561e-09
 6.99059854e-07 4.15942054e-08 7.59264537e-07 8.51537365e-08
 1.48823105e-07 5.24050954e-08 1.66528036e-08 7.14917917e-07
 3.62800812e-08 2.30631244e-07 1.39685543e-08 6.10119910e-09
 5.95114393e-08 6.39581046e-08 3.35885524e-08 1.27084263e-06
 2.36358900e-07 7.85210652e-09]


0.59780824


63


[5.62124498e-08 8.89268037e-08 3.28194173e-11 5.34845753e-07
 1.49914497e-10 3.88859966e-09 8.17968138e-10 1.30851694e-08
 5.59504151e-05 2.97268716e-08 1.13813705e-08 4.00714045e-10
 2.37379913e-06 5.23939170e-10 2.66521965e-05 1.21468224e-09
 1.33366864e-08 6.40057551e-05 6.39393136e-07 1.45419065e-07
 2.43516474e-09 2.91072699e-09 1.55848241e-08 1.00183206e-06
 6.54444463e-08 2.81648681e-06 2.29471607e-05 6.73058831e-11
 2.31287595e-06 5.83241047e-07 7.25767224e-09 2.51278942e-10
 7.61312049e-06 6.62217156e-11 8.67284598e-07 4.96002137e-08
 1.39584108e-10 1.01142084e-09 1.03005404e-09 8.45364223e-09
 2.06454104e-10 5.91854832e-09 1.34091890e-10 1.35156997e-10
 1.51786049e-11 1.19923474e-10 1.42230028e-09 2.94928770e-09
 3.39498318e-10 1.00716400e-10 3.35353811e-09 6.31827021e-11
 2.47099941e-09 2.64815014e-09 7.16382465e-06 3.29787753e-07
 1.12435846e-04 1.12151622e-06 3.63299332e-05 5.02989963e-07
 2.37319036e-04 1.63358538e-06 3.02204311e-01 1.12119596e-05
 6.97196007e-01 9.34837541e-09 1.39946124e-10 1.70263664e-10
 9.00282160e-09 3.74134723e-10 5.99621108e-09 7.22744062e-07
 9.51632799e-08 4.16028900e-09 4.74985784e-09 8.95746144e-10
 3.57586920e-08 5.34271365e-08 3.23939342e-09 1.73807564e-08
 3.23270255e-09 1.02541421e-07 1.98631722e-10 1.16238050e-06
 6.35346112e-07 7.02585212e-12]


0.697196


62


[1.8034882e-06 9.9763322e-01 1.9585651e-11 4.4930083e-08 7.2162609e-11
 1.9889157e-10 4.0737341e-10 4.4527816e-05 5.6220003e-08 1.3626446e-06
 1.3591520e-08 6.5386957e-05 3.4282984e-05 2.0943216e-09 8.5390944e-05
 3.8963851e-08 1.1209277e-10 1.2306137e-04 1.6348438e-05 1.0506624e-07
 4.5094302e-09 3.8651544e-09 4.2947224e-08 2.2483292e-08 3.4277758e-08
 5.4326614e-07 4.9666124e-07 5.1470776e-11 3.9805258e-07 1.8839820e-08
 5.0468549e-09 8.1287706e-13 1.9683661e-07 1.8314679e-10 9.3372943e-10
 1.7417131e-09 8.9190030e-11 5.8338272e-11 2.2541236e-10 1.5194758e-10
 6.6720539e-11 3.7136703e-11 5.3047714e-12 1.3088380e-11 1.5983808e-12
 4.8948580e-12 1.4164288e-10 6.4316174e-12 2.7575081e-11 7.4218461e-12
 1.2131544e-10 3.5795412e-13 3.7481065e-10 5.9249983e-10 3.0350582e-06
 3.1107487e-07 2.5545177e-08 6.8039925e-09 1.7746703e-09 8.7121916e-12
 7.5727932e-08 7.9842266e-08 2.8689979e-06 7.0774719e-10 1.8376388e-08
 5.7591704e-10 4.3407001e-12 6.4976358e-11 3.9867279e-10 1.4377483e-08
 1.6964217e-09 8.6184144e-08 3.1253042e-11 1.2251536e-09 8.4560275e-11
 5.5964672e-10 8.4690582e-10 5.4059895e-10 1.6627380e-12 2.3985653e-09
 2.9488072e-12 3.7981010e-10 9.1059593e-10 4.8994895e-07 1.9855909e-03
 1.4975007e-13]


0.9976332


1


[1.53417847e-08 1.79147293e-07 9.03721678e-14 9.98631060e-01
 3.41927819e-10 1.89887728e-09 4.66015629e-11 3.58260361e-12
 7.04044112e-08 3.49536200e-09 2.73099789e-11 3.23361390e-12
 5.38428176e-05 9.09144374e-12 2.95132914e-08 1.25947495e-12
 4.26029351e-12 3.25012045e-10 2.60945779e-11 1.13988874e-09
 6.28908453e-11 8.82602672e-12 2.92587316e-07 1.48273072e-09
 4.93529773e-10 2.35312143e-08 8.39632435e-07 9.93982566e-13
 2.55296295e-09 2.01687023e-08 5.99740960e-12 1.01848868e-11
 3.19124382e-07 4.41847982e-11 2.60770150e-07 1.11575496e-07
 5.50940326e-12 4.12776931e-12 1.73198842e-08 1.62069338e-12
 1.03347588e-08 1.22498929e-11 2.37462231e-13 2.02776504e-10
 5.04092048e-13 3.40780269e-12 2.67258438e-10 6.46174711e-11
 4.31541608e-12 7.21365404e-13 3.76594207e-11 1.14167675e-10
 1.66335323e-09 2.95822193e-08 2.93079552e-06 3.45256351e-10
 2.81691270e-09 2.24327737e-10 1.55006159e-08 8.07377665e-10
 3.12249322e-05 2.37675231e-05 1.16069254e-03 6.13091657e-08
 9.40391401e-05 1.00190176e-10 1.24342411e-10 2.60142580e-12
 5.76468595e-11 5.35158246e-12 1.25212418e-08 3.18352705e-10
 5.93407571e-12 3.50318767e-11 7.93170363e-10 6.18202226e-11
 2.83970292e-10 3.58553298e-10 4.81097717e-10 1.30686763e-11
 3.92449927e-11 1.67674055e-10 1.24856944e-10 1.57912421e-08
 1.63226900e-07 9.28873000e-14]


0.99863106


3


[3.03845663e-05 1.98063572e-05 7.91703203e-10 6.03131321e-06
 7.64712649e-09 2.32404200e-11 5.41189593e-10 1.48314612e-07
 7.49260198e-06 2.86126206e-10 6.58008587e-13 1.69560394e-10
 4.02499927e-06 2.58870453e-10 3.56011611e-07 8.22369373e-08
 1.51079557e-05 4.38563745e-07 1.04628441e-06 8.26472751e-06
 1.30696591e-07 3.07982297e-08 9.08765912e-07 1.34182710e-06
 2.29856916e-08 6.38735713e-08 1.62484696e-06 3.66895101e-08
 3.07287518e-02 9.43894498e-03 1.03276834e-04 5.40735759e-03
 1.09125841e-02 4.44503421e-05 9.43102717e-01 2.03801774e-05
 2.50127261e-08 2.49978821e-05 7.54465873e-06 1.45213312e-06
 1.02937247e-05 1.17257166e-07 5.45978862e-09 1.60248604e-07
 6.42189093e-08 2.88206738e-08 2.48039839e-07 1.75783480e-05
 7.85860621e-08 2.15415755e-10 4.94421158e-07 7.33133346e-11
 4.17492423e-08 8.24176283e-09 1.40942684e-05 1.33091260e-10
 7.15313178e-08 5.48370963e-07 1.80328442e-07 1.06692966e-08
 8.86117448e-07 1.08116255e-05 7.77511468e-06 2.66101391e-10
 3.91230169e-05 1.79421242e-08 1.24156935e-10 8.08017542e-10
 7.53092806e-08 5.15542942e-09 3.85015568e-07 3.16867848e-08
 4.68206318e-09 2.56345288e-07 5.56689237e-08 1.30846611e-09
 4.78495895e-06 1.24756284e-07 1.00136033e-09 8.29283010e-07
 2.12648477e-09 2.31133175e-08 2.94975676e-11 8.05811311e-08
 9.22101947e-07 2.40573228e-10]


0.9431027


34


[1.45243700e-06 2.99444455e-05 8.24375734e-10 9.98169303e-01
 7.13744521e-05 7.41910311e-10 1.05977205e-09 6.87964269e-11
 8.34051939e-10 8.56467608e-08 3.95021349e-09 1.51095126e-11
 1.59436695e-08 9.45830983e-11 1.47709122e-03 3.56094015e-10
 1.37702669e-10 3.84573084e-09 6.51966170e-09 1.03021435e-07
 1.27573081e-08 1.21011130e-08 2.02637355e-04 1.69172001e-08
 6.90878910e-09 2.98044123e-09 2.44363292e-07 1.97244963e-11
 3.16622845e-07 4.98947689e-11 9.31128980e-13 1.28704047e-10
 2.64429967e-09 8.72864891e-09 1.89557525e-09 3.06435965e-07
 2.09122164e-10 5.87500187e-12 4.52502391e-08 3.14123879e-12
 1.50770045e-08 3.95151880e-12 4.39203741e-13 5.24039090e-10
 2.17937295e-13 4.18720424e-13 3.10889425e-10 1.78767307e-10
 1.77850401e-10 1.77282592e-12 3.52150670e-11 7.80601639e-10
 7.94372124e-09 8.38198844e-09 2.78086027e-05 9.56883323e-11
 4.01549752e-13 2.70827349e-12 1.80503914e-08 1.59107449e-11
 6.59738433e-08 1.75316418e-05 2.47442400e-09 8.18567547e-10
 2.91864399e-09 6.43238018e-10 9.84719251e-11 5.04126740e-11
 1.52892601e-10 1.25985958e-10 8.06909384e-07 4.28331780e-11
 4.48064719e-12 1.53772023e-10 1.68188374e-09 2.38432690e-10
 6.20138774e-10 1.91063471e-10 4.11837786e-11 9.42529388e-12
 1.87136331e-12 3.88747610e-11 1.35109657e-09 1.12188953e-10
 5.36801338e-07 1.86424626e-11]


0.9981693


3


[8.06635228e-07 2.24749328e-06 1.57168001e-09 7.33334537e-06
 2.50302004e-13 7.06668339e-13 3.58062330e-11 3.70490511e-07
 1.57644854e-06 6.91951882e-08 7.84622313e-13 6.84831844e-11
 6.59338895e-08 1.70064518e-10 7.45114050e-07 3.61132679e-09
 5.75117065e-09 3.60518442e-07 3.00999886e-07 1.99183617e-07
 4.12248513e-10 4.82041163e-09 8.96042195e-07 2.51749441e-07
 1.52819393e-08 1.00442954e-09 1.89203504e-07 8.28602974e-13
 1.37713016e-06 6.88973960e-05 1.92829043e-13 6.25494891e-08
 7.59872026e-12 1.11707588e-09 6.00796568e-08 9.10760107e-08
 3.96957744e-11 3.22492380e-11 7.32128302e-10 1.03689834e-10
 4.01094380e-10 3.08687902e-11 1.44134288e-11 4.95781693e-10
 1.56698940e-13 4.25195124e-14 3.04401782e-10 3.36749451e-09
 5.22277048e-11 1.83963305e-13 9.03498283e-12 6.03331066e-11
 1.09560916e-10 1.76663661e-08 1.58011204e-08 1.39200318e-10
 3.47270458e-07 1.21402133e-08 1.62972556e-05 3.27296031e-04
 2.83466870e-05 9.99217629e-01 6.56134507e-05 1.59462215e-04
 9.90095141e-05 1.46888890e-10 1.47526519e-10 1.58242505e-12
 1.08458575e-09 3.04550585e-09 8.66665939e-09 1.09256977e-08
 8.26222354e-11 4.37059136e-08 3.63134162e-10 1.73206283e-09
 5.98154903e-09 2.96510727e-08 7.30501493e-11 1.90335481e-09
 2.11924107e-11 1.37340388e-08 6.17745077e-10 5.63436320e-09
 1.21925581e-09 1.54566204e-12]


0.9992176


61


[5.29034196e-06 2.80075881e-07 1.13614507e-09 4.11624029e-07
 2.06552397e-11 1.13638343e-09 2.66799272e-09 3.31963452e-06
 9.31419927e-05 1.41551638e-07 1.78826433e-11 5.50891244e-08
 1.37766699e-06 1.42846024e-09 4.22334688e-06 3.21694614e-07
 5.54510564e-07 4.23389254e-04 1.70257947e-04 8.12198687e-06
 3.78625458e-07 1.00829959e-06 3.81580856e-09 3.05642675e-06
 1.32829953e-07 1.39455540e-06 2.32713910e-06 4.09555140e-10
 1.25885266e-03 6.47032976e-01 7.48165974e-08 1.45434541e-07
 3.35100168e-07 2.02551917e-07 1.05817846e-04 1.57277591e-05
 6.82113921e-08 2.41265326e-07 2.45973865e-07 7.90547347e-06
 7.58044223e-08 4.69311523e-08 1.14559384e-08 1.25168294e-08
 1.38866154e-08 6.20167118e-09 4.33463492e-06 4.01008066e-07
 6.57087043e-08 1.11150400e-09 8.84650930e-08 1.98856531e-09
 1.00318964e-07 5.34260680e-09 6.25631685e-07 4.53541631e-08
 1.14625460e-03 9.47972967e-06 6.18144782e-07 4.84762177e-06
 3.38078439e-01 5.15230291e-04 5.69107477e-03 5.77861738e-06
 1.86576822e-03 7.55217116e-08 3.06713521e-09 4.47385373e-09
 1.09984203e-05 1.35083170e-07 6.11597495e-10 7.18885985e-07
 2.71619105e-09 6.31114915e-07 4.83462713e-07 3.27522898e-08
 1.25079112e-07 5.48372384e-07 9.52541657e-11 4.10488532e-08
 3.70119557e-09 3.94955784e-08 3.06515835e-09 3.51892062e-03
 2.07152425e-06 2.05784018e-11]


0.647033


29


[8.90255887e-06 6.29938597e-07 1.39598710e-09 3.54408400e-07
 6.72199622e-12 1.46115949e-11 2.67059180e-10 6.86652299e-08
 1.38774631e-04 3.55495644e-07 7.84223467e-12 1.94610976e-07
 3.52103707e-05 1.52680968e-09 2.77764639e-06 3.06277315e-07
 1.24867370e-07 3.44857690e-05 1.61450529e-07 4.31822656e-07
 6.19534379e-09 2.97466975e-08 2.71082445e-08 2.87731154e-06
 1.26538415e-08 4.90921423e-07 2.82782072e-04 1.55761459e-10
 1.83429625e-02 8.93300325e-02 2.09477165e-07 2.29072713e-04
 1.62864831e-06 2.52846221e-05 6.91757917e-01 2.50933567e-07
 5.60455042e-08 2.42570593e-07 4.42195415e-07 9.26564496e-07
 1.09566116e-07 2.89119817e-09 5.02596076e-10 8.81117224e-09
 1.34229505e-09 1.19376564e-10 7.18840028e-08 1.37167973e-07
 3.18661497e-09 6.72384981e-10 2.96221376e-08 3.98171329e-10
 1.29135342e-08 1.60047744e-08 5.53811378e-06 1.11743468e-08
 1.02897827e-03 3.89880443e-05 2.71345766e-06 8.80203879e-06
 6.34565717e-03 1.85170531e-01 3.40795486e-05 8.86527118e-08
 7.15167169e-03 1.15395089e-08 1.91521434e-11 7.39233882e-11
 1.06273340e-07 3.94168004e-10 8.40243999e-08 1.28680796e-07
 4.21460949e-10 1.00949180e-07 3.86599091e-08 5.97936101e-09
 2.76445924e-08 7.94536118e-06 7.28908114e-11 3.56983691e-07
 2.67684008e-09 7.26816696e-09 1.92045727e-10 1.49989478e-06
 4.17614456e-06 5.73942760e-12]


0.6917579


34


[1.48468375e-08 2.28760143e-07 1.08076248e-11 1.26951460e-09
 5.43115075e-12 5.78549222e-11 4.04213598e-12 8.72606987e-10
 1.78141576e-07 4.00921785e-09 3.74043152e-09 2.39269848e-09
 1.36631488e-05 4.62080568e-10 8.34724929e-08 6.51238855e-11
 2.74411201e-12 2.51316692e-07 1.97710093e-09 4.11663176e-10
 2.78983065e-12 8.96576736e-12 7.07141723e-09 1.48582249e-08
 2.06806933e-11 1.94621430e-06 7.40031503e-09 1.01286902e-10
 1.62508265e-08 1.52576778e-08 1.25307993e-11 4.16725143e-08
 1.53389223e-07 5.20989862e-10 2.17894952e-10 3.42923134e-10
 3.34152740e-11 2.64881155e-11 6.54480581e-10 6.82758461e-10
 5.48828205e-11 1.42336403e-11 1.99629050e-12 2.21974841e-10
 1.68832586e-13 3.22396135e-13 7.98473301e-11 1.00264706e-10
 2.02144876e-12 1.32522324e-12 2.03234229e-09 2.02853901e-13
 2.85279134e-10 3.37833789e-11 1.18926243e-06 6.05698269e-11
 2.96979635e-10 2.60946213e-11 8.50429310e-11 7.66439603e-12
 5.08141749e-12 2.60688759e-09 2.31313874e-11 1.45954288e-12
 4.03158396e-10 3.03921263e-11 2.08923743e-14 4.41347127e-13
 4.56674282e-11 2.96578699e-11 8.15847806e-11 3.36551815e-12
 8.10890764e-12 7.33883223e-13 2.50315524e-12 4.19731611e-12
 1.49361621e-12 4.24356453e-11 2.02983738e-15 3.43230479e-11
 5.46259544e-13 1.11259240e-11 1.93122767e-13 8.78182083e-10
 9.99982238e-01 8.70793704e-16]


0.99998224


84


[2.8741410e-06 1.6144619e-05 4.4986764e-10 9.9992025e-01 4.9477517e-10
 3.3953814e-08 4.4033921e-10 2.7656186e-10 2.7335161e-06 3.1613064e-07
 8.5045487e-10 2.8117439e-10 1.7155594e-09 1.9559547e-10 6.1388818e-07
 2.0058670e-10 6.2945915e-09 1.0033818e-08 2.1865830e-10 1.4089771e-10
 8.8541668e-10 4.7716475e-10 1.9035278e-07 3.2585543e-09 3.2655209e-10
 1.3740349e-07 3.8610562e-08 2.5665906e-10 7.3142115e-07 1.9447440e-05
 2.1559457e-10 1.1633128e-08 6.5301301e-06 5.5566051e-07 6.3435529e-08
 6.3238488e-08 3.0303088e-10 4.3844431e-10 1.1658139e-08 2.1243689e-09
 2.4232486e-08 1.4374966e-09 2.4146735e-10 2.3967181e-07 1.8876426e-11
 5.1308416e-11 1.1965369e-09 1.3599151e-09 2.3819763e-10 6.3018371e-12
 7.6490481e-10 3.4471193e-09 1.1189434e-08 1.8408708e-05 9.5903788e-06
 2.4343738e-10 3.6990569e-10 2.2423612e-12 1.0354764e-10 2.0038365e-10
 2.1124464e-08 4.2921133e-07 5.0431680e-08 3.4463237e-09 6.5114115e-08
 1.4375151e-10 9.8720943e-10 2.3382303e-11 3.9284356e-10 4.5743669e-11
 8.4503332e-10 1.2964116e-11 4.2615016e-11 5.9085251e-11 3.3895153e-10
 3.9741288e-10 2.4322666e-10 1.5271807e-09 1.2301360e-12 4.5550119e-11
 1.6545595e-11 5.3468519e-12 1.5042376e-10 7.2798084e-10 2.9721468e-07
 1.5500855e-13]


0.99992025


3


[2.5654921e-07 3.4274925e-07 1.0245593e-09 7.6515084e-07 2.8802653e-11
 8.7994386e-12 5.8104108e-11 2.5798967e-09 3.2817575e-06 4.0443808e-09
 1.7382832e-12 5.5443039e-10 5.2163500e-08 2.3227971e-10 1.9532047e-08
 1.1112815e-07 5.3185900e-06 2.0728294e-07 6.9112764e-09 1.7789221e-08
 1.4959161e-07 1.2568192e-08 1.0813252e-07 4.0615237e-07 4.3931414e-09
 6.3157670e-09 1.4359211e-08 8.7361389e-09 8.7883174e-01 4.3008127e-04
 9.0517499e-02 1.6250281e-02 9.0544308e-03 5.7055894e-04 4.3094717e-03
 4.1158239e-07 2.9830115e-08 8.6316231e-06 7.3828022e-07 7.7408495e-06
 1.2818383e-07 3.0251036e-07 2.7755434e-09 2.3549286e-07 5.0095323e-09
 2.4022552e-07 1.1901844e-06 2.3558621e-06 3.8134605e-08 2.0682874e-11
 2.7711636e-07 4.6871118e-12 3.6362966e-08 1.0545515e-08 1.2191801e-07
 5.1452263e-11 3.5836050e-07 7.3450974e-09 6.2163238e-08 3.9759191e-09
 4.7395616e-07 8.3401886e-08 1.2060160e-08 2.1642924e-10 4.4564675e-07
 9.5058322e-11 7.4484446e-11 1.3856490e-10 7.5238965e-10 5.4688125e-09
 4.4234147e-07 2.5620067e-10 1.2802858e-08 3.5957993e-07 2.6108453e-09
 6.3327752e-09 1.8319776e-08 2.4144347e-09 2.0560080e-11 4.9690811e-08
 4.7002413e-10 2.6419047e-08 4.9328003e-12 4.9285949e-09 1.2561984e-08
 2.0457552e-11]


0.87883174


28


[8.30681984e-07 8.65980994e-08 2.52737387e-08 2.45021773e-03
 2.02876071e-09 2.32580821e-09 3.05421383e-10 1.47507648e-11
 7.33519689e-09 9.71197966e-09 8.96048069e-10 4.46747439e-09
 1.29175448e-09 8.77718107e-11 5.01619652e-05 4.48311468e-08
 1.93055115e-07 2.19990147e-06 2.74890137e-08 1.25495347e-07
 3.72249445e-07 6.00038959e-07 1.09024577e-01 8.08916582e-07
 7.78784539e-08 1.79874976e-10 1.00222204e-08 6.93281405e-11
 9.33463582e-08 3.34950845e-09 9.10568454e-10 3.88478298e-07
 2.23738184e-09 2.25523955e-09 2.74505041e-08 9.88836106e-08
 5.12504095e-10 7.42879647e-10 4.78315654e-09 9.58616742e-10
 2.55881827e-09 3.99043643e-09 2.03539425e-11 1.70961578e-10
 6.06825657e-12 5.17055452e-12 1.08430087e-09 2.96861513e-09
 5.76496142e-11 4.08938725e-12 1.47331514e-09 1.85533852e-10
 4.75060380e-10 2.81134693e-09 5.71301395e-10 9.27596264e-11
 5.01781006e-10 1.98029158e-12 1.87290908e-07 1.14218903e-06
 2.82436162e-07 4.99539427e-04 4.42115962e-08 1.01825975e-07
 4.37352057e-08 1.92938754e-09 3.74429465e-09 2.04524366e-11
 1.27050287e-10 2.44598340e-07 8.87967229e-01 1.90530536e-10
 4.02279987e-09 3.90663946e-09 3.32488170e-09 7.81822109e-08
 1.64333755e-10 1.26967796e-08 2.43067220e-08 8.59607802e-11
 9.12362130e-11 1.41522909e-08 7.61613173e-09 3.43519961e-12
 9.24526428e-11 3.54052274e-11]


0.8879672


70


[4.1806147e-06 4.0555906e-06 4.0879400e-10 9.9828821e-01 6.5405555e-05
 9.2527920e-08 1.4844368e-09 1.3230155e-09 4.2507708e-09 1.4172773e-05
 8.5276490e-08 1.3377219e-10 2.1383517e-09 4.2381640e-10 1.4898904e-03
 2.4696731e-09 9.7803863e-09 3.4886002e-06 5.9591400e-07 8.7930817e-07
 1.5269102e-07 1.6610002e-06 6.3395659e-05 5.6547503e-07 3.9400098e-07
 3.5816608e-08 1.5079809e-08 6.2901150e-11 2.2335687e-06 1.0246806e-08
 8.8390996e-12 8.8517954e-10 2.9911444e-09 6.7095809e-09 2.8676467e-10
 2.8802455e-05 4.3501807e-09 3.4501998e-10 4.2206767e-07 8.1706769e-10
 2.6275828e-07 4.4480792e-09 5.2029554e-11 6.8548772e-08 3.1001063e-12
 5.9159858e-11 4.7860937e-09 1.5503927e-08 1.9642005e-10 1.5525536e-11
 5.4638033e-10 2.0235671e-08 1.0987264e-08 3.6731723e-07 8.6840032e-07
 1.2170582e-09 5.1258386e-11 5.7258707e-15 4.6154561e-08 2.1412332e-09
 9.1276797e-06 1.9445346e-05 7.1073734e-09 4.0023994e-07 5.1651594e-09
 2.4899263e-09 1.7944635e-09 2.7003235e-11 4.1633866e-10 2.0572986e-10
 4.1645566e-07 5.3558321e-11 8.6915869e-10 1.7465305e-09 7.4088611e-09
 5.0983666e-09 4.0962131e-10 1.4045817e-09 6.4089489e-09 5.7055614e-11
 3.6299765e-11 4.3716990e-09 1.2759972e-08 5.9342822e-11 1.1187781e-08
 5.6313450e-13]


0.9982882


3


[2.0885736e-06 4.8731963e-05 1.1842730e-10 5.9377791e-05 4.6756782e-10
 8.3225345e-08 5.1214266e-10 5.6816458e-09 1.2393257e-07 7.0257920e-07
 3.1464494e-11 7.3885289e-09 2.2627794e-06 3.3564802e-09 1.4373592e-05
 2.9111158e-08 1.6831866e-08 2.6412183e-05 3.4322397e-08 2.8183930e-08
 5.2926450e-09 2.4616825e-10 4.4564310e-08 4.5000697e-08 7.4806428e-09
 4.7350346e-07 6.2239105e-06 5.0295873e-10 9.8167437e-01 6.1070037e-05
 2.2200634e-06 1.5581643e-05 5.1836232e-05 3.2051902e-03 2.5084481e-04
 6.3464850e-06 3.9111825e-08 7.7594711e-07 1.1586700e-06 2.2750753e-07
 3.8096451e-07 3.7976777e-09 1.3091074e-09 1.1040555e-06 3.1165331e-10
 5.9730816e-09 9.6863090e-08 1.7669252e-07 4.3859156e-09 4.1029474e-10
 4.5767369e-08 5.5492866e-10 4.3099149e-08 1.1443469e-06 1.7375892e-06
 2.2382639e-07 8.3146488e-06 1.5348046e-07 7.8729400e-04 4.4825490e-09
 1.2312990e-02 1.2308123e-03 9.9926190e-05 1.2103392e-04 1.1136361e-06
 1.3646988e-08 3.7170972e-10 1.7575949e-10 1.4048797e-09 3.8729922e-10
 4.8826365e-08 5.4518052e-09 2.9996258e-08 3.5104699e-07 7.0611783e-09
 5.4874246e-08 5.9628831e-09 1.9437129e-08 3.0480471e-09 1.6178403e-08
 4.4832844e-09 4.8786433e-08 7.7249966e-09 4.7252975e-08 2.0107582e-06
 4.3449314e-10]


0.9816744


28


[3.19623581e-07 9.27158936e-08 6.71884992e-10 4.19223731e-08
 8.13880741e-10 4.21168656e-09 4.26393226e-10 1.44228341e-06
 2.07598783e-09 1.01507943e-07 5.59600188e-09 5.46559420e-07
 9.91373561e-09 2.10922408e-08 2.27390206e-06 1.83643039e-08
 1.67213674e-08 9.67004120e-01 8.74865509e-04 4.47706861e-06
 2.82664505e-08 3.31494448e-06 5.07054438e-07 5.97546773e-07
 7.16103088e-08 4.75214890e-08 9.46453611e-07 6.39879649e-10
 3.41420218e-06 3.13932151e-02 8.65264411e-08 4.86245622e-09
 3.50669779e-07 2.18826535e-04 5.31525402e-05 7.55788562e-07
 2.32243540e-08 8.74896244e-08 9.06344422e-09 3.17997751e-06
 4.64811691e-08 1.94131520e-08 2.82961032e-09 3.11107584e-09
 3.18570521e-08 1.92307170e-09 1.51130749e-07 1.09541674e-07
 3.01667100e-08 1.02692821e-09 6.93729191e-07 3.24449689e-10
 2.04699493e-08 2.43923718e-11 2.94187203e-07 9.10346554e-09
 2.99616167e-05 1.06732635e-07 2.69041493e-07 1.04000392e-07
 1.92256688e-04 8.95102494e-06 1.33627633e-04 1.90679493e-05
 2.79740853e-08 1.95807175e-08 1.49893093e-08 4.93712349e-10
 6.43211067e-08 2.31716566e-08 1.28361620e-07 1.40575915e-08
 8.97552397e-08 7.10921142e-07 5.19950902e-07 4.79024909e-09
 9.32682473e-11 1.70029821e-07 3.00588748e-10 4.12227630e-09
 4.14898764e-08 2.50762278e-09 1.97856611e-08 4.41015800e-05
 1.18097932e-06 1.15636230e-10]


0.9670041


17


[7.08999505e-05 6.26254623e-05 1.84490589e-09 2.27017827e-05
 2.06876252e-10 8.46362891e-09 8.76203665e-10 1.56579759e-07
 1.76440324e-07 6.03115495e-07 2.05504398e-11 1.20117321e-07
 6.74749826e-05 4.47354820e-09 2.70492437e-05 9.37485424e-07
 2.04901118e-09 7.05024775e-07 2.12005816e-07 1.54159796e-08
 2.62223629e-08 1.13131717e-08 2.86242397e-07 1.64737216e-07
 3.13359538e-09 3.02650847e-06 4.23211168e-05 5.53529578e-09
 9.75080878e-02 1.27711296e-01 3.89334200e-05 2.47244088e-06
 1.40192729e-04 3.82429711e-03 6.38046384e-01 1.94425811e-05
 1.13159409e-07 5.57438568e-07 4.73969249e-06 5.16859200e-06
 1.12133375e-05 1.31271705e-07 1.24008457e-08 3.30622061e-06
 2.99370555e-08 1.47738092e-07 2.17383476e-05 4.61848913e-06
 1.11734884e-07 6.85063162e-09 6.90176466e-06 9.97045668e-10
 2.57242755e-06 1.84335214e-08 3.10487621e-06 1.22579138e-06
 4.65973571e-04 9.58081728e-06 2.31252168e-04 1.12049574e-05
 1.28316954e-01 1.08281581e-03 3.21838073e-04 1.75930745e-05
 1.30601358e-04 1.65150382e-08 2.50195376e-09 1.79942177e-08
 1.51998915e-06 1.80764925e-09 1.93748889e-07 1.99751776e-06
 2.61690491e-08 3.14514618e-05 6.20660842e-07 1.38639257e-06
 2.88917613e-06 1.20117602e-06 6.94641900e-09 2.42543028e-05
 4.49126759e-07 2.55635399e-07 1.12418661e-08 1.68912986e-03
 3.80395420e-07 3.91170811e-11]


0.6380464


29


[4.0673189e-08 9.9999976e-01 3.2001853e-13 1.0175728e-10 3.8298227e-16
 4.1356011e-13 5.7419516e-14 4.2431978e-09 5.0059840e-14 3.2604153e-10
 1.0014389e-15 4.4698801e-08 2.8354684e-08 2.3098031e-14 3.8636319e-08
 1.5702948e-11 9.9495369e-17 1.1232990e-11 1.2534055e-11 1.2672335e-13
 4.9100311e-14 7.9218265e-15 2.2355997e-12 3.2498852e-14 3.7812747e-14
 1.6936468e-11 2.0879149e-11 2.4494844e-15 1.7049642e-08 4.1744719e-10
 2.6316530e-13 9.9801528e-14 3.4587264e-10 1.2796702e-12 1.0302959e-11
 2.4855836e-14 8.3599421e-14 1.0787902e-14 7.5305695e-14 2.3793860e-14
 3.3251966e-14 2.7488564e-14 8.9372690e-17 3.3280914e-13 1.7359964e-16
 6.0667430e-15 2.0820032e-13 3.2576656e-15 3.3135897e-15 1.1470039e-15
 1.0018176e-14 4.0739003e-17 1.7627284e-13 2.5101911e-14 1.7181272e-11
 3.6176791e-12 9.8940344e-13 2.7432130e-12 5.2688777e-11 2.4571599e-14
 1.6341473e-11 3.3951151e-11 2.0135515e-10 2.0120846e-14 7.9740435e-13
 1.1540753e-14 7.6062579e-17 2.7781310e-14 2.2281774e-14 3.1715789e-12
 3.7340350e-11 1.7104182e-10 1.2001588e-13 7.4643399e-12 9.3821056e-14
 2.9939561e-11 8.6395500e-12 4.2280009e-13 1.2982344e-15 5.1513224e-11
 4.8425153e-15 4.7294774e-13 3.5816341e-12 6.7587086e-10 1.3964387e-07
 9.6996795e-18]


0.99999976


1


[3.84028135e-06 2.77264661e-07 6.63852792e-11 9.90955532e-01
 2.26554095e-10 1.75963887e-05 1.86448723e-09 1.39121102e-11
 2.38601569e-06 2.95582296e-08 7.61334468e-11 1.21182486e-09
 3.21302819e-03 4.85040952e-10 1.91964077e-07 5.38569300e-10
 8.35741337e-11 2.12084816e-09 7.71231434e-09 1.46995776e-08
 4.28200853e-09 8.82601903e-09 1.90356445e-06 2.46343390e-09
 1.97854427e-10 3.22860524e-06 3.21065568e-06 1.67975889e-09
 5.64485323e-04 2.50576177e-05 4.73543444e-08 1.48943769e-07
 1.53997316e-05 2.55868645e-06 3.28591955e-06 3.25698124e-07
 1.27681621e-09 3.73772941e-08 5.87916384e-06 7.47558349e-10
 5.52310530e-06 6.28346353e-09 5.67262591e-11 2.71059690e-07
 2.95698910e-09 6.72728373e-10 2.54329734e-07 8.59647855e-08
 3.35080985e-09 2.99879621e-10 1.92343008e-09 6.54578036e-09
 1.47937044e-06 2.61700688e-06 3.73820221e-05 7.53673390e-09
 4.56279565e-08 1.01062781e-07 4.10115035e-07 2.06737756e-08
 5.03745629e-03 4.94701453e-06 2.66517236e-05 2.29809416e-07
 4.10358807e-05 5.75444692e-10 1.42594709e-08 2.80413137e-09
 3.55664653e-09 5.64351499e-09 1.05783420e-06 3.92917521e-09
 1.23946509e-09 5.77619841e-10 3.57306078e-07 3.98756725e-08
 5.63271030e-08 1.13678604e-08 2.65508184e-08 9.47426027e-10
 6.92574165e-10 7.34634742e-10 1.67633274e-07 4.56138821e-07
 2.07388930e-05 7.45379591e-11]


0.99095553


3


[2.85571442e-08 1.61906533e-09 1.94439191e-12 6.82142298e-09
 9.73102675e-13 8.25268605e-15 3.68836987e-13 8.80585882e-11
 6.96918150e-08 1.63579911e-13 4.16469060e-18 2.36643192e-12
 2.89940627e-09 2.68973212e-14 1.32842959e-10 1.10900261e-10
 8.33261726e-09 3.19563515e-10 1.90632865e-09 1.23661870e-09
 1.13904115e-10 4.50080181e-11 3.82579302e-09 2.05403095e-09
 2.08298244e-12 8.01673936e-11 2.05009449e-08 3.64964690e-11
 2.50171142e-04 8.43968242e-04 8.01105034e-06 9.83423114e-01
 1.18716365e-04 1.70681724e-05 1.53384171e-02 5.85402393e-09
 3.36763090e-10 3.40121261e-07 2.11812257e-08 2.50631036e-08
 1.21807675e-08 4.82396102e-11 3.69160757e-13 8.09824208e-10
 9.87368798e-11 3.77050974e-10 1.30034794e-09 3.58222358e-08
 2.16325680e-10 5.64699817e-13 1.99172367e-09 6.17396826e-14
 4.07084644e-11 5.32448426e-11 3.93737887e-09 7.24509293e-14
 5.06855280e-10 8.46730863e-09 1.05108922e-09 1.36344702e-09
 2.10669504e-09 2.87041484e-08 3.88950677e-11 9.21550596e-13
 8.52984527e-09 2.08782197e-13 1.04453386e-13 9.04823146e-13
 3.22889480e-12 6.95047579e-12 2.42770182e-09 3.91660272e-12
 3.64099349e-13 3.30924177e-10 1.51990816e-11 3.15486743e-12
 1.27621624e-09 3.44823475e-10 4.29847469e-14 6.76464751e-09
 8.65043117e-13 2.69470058e-12 1.63749663e-14 7.46386217e-11
 2.11287188e-09 1.10047626e-12]


0.9834231


31


[2.03696644e-07 2.30968590e-06 5.43003997e-09 1.19699071e-04
 4.72393191e-09 1.36131887e-11 5.08176617e-12 1.46028217e-10
 3.75135036e-12 5.19862153e-10 2.91162733e-10 7.31206207e-09
 3.22801652e-09 4.97318575e-11 6.73182803e-05 1.25037758e-07
 1.32814282e-09 1.53440931e-06 9.03960881e-07 1.07534440e-07
 1.05243103e-08 2.84063706e-08 9.99526501e-01 3.71677146e-07
 1.52233479e-08 5.92724550e-11 1.09993605e-08 1.08363986e-11
 3.81027121e-09 1.20958299e-09 5.27134864e-11 3.85123888e-09
 1.64656311e-09 1.50931001e-08 2.01470440e-09 2.52769592e-08
 1.84010959e-10 1.45208318e-10 7.46152237e-11 3.98516550e-12
 2.66156486e-10 1.45451619e-11 2.76288080e-13 1.26781044e-10
 3.53990535e-12 2.19959494e-13 2.27925068e-10 7.54251384e-10
 3.49703808e-11 1.91233558e-13 3.74850012e-10 8.43597206e-11
 2.51851739e-09 1.90502752e-11 2.37037256e-09 1.52837747e-12
 1.90023973e-12 6.75982100e-12 3.52633890e-07 1.23195463e-08
 4.27392149e-10 1.44878163e-06 4.08422775e-11 3.84341448e-10
 8.41442194e-11 6.11779072e-10 4.50298757e-11 5.05727404e-12
 5.52838157e-12 5.35044342e-10 2.79074680e-04 3.78520444e-11
 3.54993248e-12 7.24781180e-10 5.79561177e-10 4.63260194e-11
 1.02887622e-10 5.86926341e-11 7.37781836e-10 7.53112850e-10
 6.89985525e-12 4.58478290e-11 1.03358955e-09 8.21390352e-12
 4.73439510e-09 2.21573172e-12]


0.9995265


22


[9.4984863e-08 1.1089885e-08 9.5127313e-13 9.9991393e-01 9.7674873e-09
 1.6453747e-08 6.3100518e-11 5.5684073e-12 5.2914122e-09 4.9277571e-07
 6.7609456e-08 5.6140802e-13 1.4906657e-08 1.3122130e-11 8.3513900e-05
 6.0867808e-12 8.8523468e-12 3.6507747e-10 5.5277249e-10 8.9124813e-10
 2.4693934e-11 1.5293338e-09 1.5217788e-07 3.4288269e-10 3.9703711e-09
 8.6208843e-08 2.8584381e-08 5.7066804e-12 6.4444649e-08 4.5228582e-10
 6.0017442e-13 1.0959001e-10 5.0873235e-09 2.2103994e-10 2.0658544e-11
 4.0558561e-07 1.5729628e-11 3.3769314e-13 1.3159264e-09 4.8455326e-13
 5.5272187e-10 6.1539891e-11 3.0641695e-13 2.1777435e-08 2.2381914e-14
 5.2013239e-13 2.6782524e-11 6.7908033e-11 1.6265598e-11 1.3211799e-13
 2.1575920e-12 7.3262126e-11 3.0278011e-09 2.5055398e-08 6.4258700e-08
 7.1497343e-11 1.0528328e-12 4.9112481e-14 9.0191259e-09 1.1063576e-09
 2.3119865e-07 6.4353486e-07 3.1230618e-09 1.7733386e-08 4.6902414e-08
 4.8475057e-11 5.7458357e-12 1.0519276e-12 2.7429592e-10 3.6895313e-12
 2.7196170e-09 1.0140900e-12 1.7903790e-12 3.3967907e-12 1.4700217e-10
 1.6185659e-11 5.7571926e-11 8.3296342e-11 2.1640060e-11 2.9348704e-12
 1.6977751e-13 1.9224981e-11 1.8738781e-10 3.4029058e-12 7.4362461e-08
 1.2090060e-14]


0.99991393


3


[1.94283114e-08 1.57205761e-07 1.77592085e-13 8.90090774e-08
 2.53358966e-13 6.56457250e-11 3.82664282e-11 1.28653062e-08
 1.05750104e-07 2.85537123e-08 1.03579320e-12 6.66003419e-10
 3.92722512e-08 1.55607055e-11 1.86798821e-09 3.49336948e-10
 1.06109781e-10 3.04871946e-07 9.56576818e-10 9.03136455e-10
 5.58693109e-12 1.40503381e-11 3.29205309e-11 9.26373145e-11
 7.32363128e-11 9.25354626e-10 5.17181979e-06 5.43894010e-12
 3.04852496e-03 1.10176115e-05 4.98750763e-10 2.24646524e-09
 2.84346498e-07 1.82193851e-08 2.89349350e-06 3.93744637e-09
 1.80488055e-11 5.18137894e-11 2.45315740e-10 5.21551025e-10
 1.44376053e-10 5.06718695e-11 1.75545342e-11 3.64205444e-10
 5.10277844e-12 4.71147427e-12 1.26325717e-09 1.86032234e-09
 2.58211959e-11 4.28232536e-12 2.98930117e-11 4.63200268e-12
 1.67362277e-10 2.05197104e-09 1.38616670e-07 1.68260570e-08
 1.21993862e-05 2.41485196e-07 3.44860996e-06 2.97507992e-08
 9.92710233e-01 4.93287916e-05 4.12596250e-03 7.54648795e-07
 2.88148603e-05 2.46709347e-10 1.62316452e-10 8.91012958e-12
 3.25882676e-09 1.06845983e-10 2.29831223e-10 2.14466356e-09
 6.08381097e-12 1.34870137e-09 3.52559981e-10 1.49876153e-10
 6.29748087e-10 1.10724885e-09 1.73698850e-11 7.21526883e-09
 8.74646744e-11 5.94599023e-11 7.59699414e-10 6.04526740e-09
 1.45392520e-09 4.56358302e-12]


0.99271023


60


[5.43967417e-07 1.69089873e-07 3.87631212e-11 1.08928182e-08
 4.03175937e-10 3.49228459e-11 1.31868405e-09 5.88354160e-05
 3.19034427e-07 1.60365108e-08 1.08666294e-08 7.41984891e-08
 1.07711756e-07 1.08567058e-08 6.15196029e-07 6.80285495e-07
 4.56610358e-08 7.03126341e-02 3.98948469e-04 3.86670945e-05
 1.59382019e-08 5.93366394e-07 4.53593110e-08 1.17815398e-06
 3.41692612e-08 2.79730532e-08 1.23481668e-05 4.25375096e-10
 1.18522684e-03 8.47379565e-01 1.00760165e-08 1.75653355e-07
 8.36211439e-06 7.10726169e-07 2.41606205e-04 2.08477758e-07
 8.84109341e-10 7.27144833e-09 8.14043677e-09 1.01431010e-06
 2.49789234e-09 4.46284654e-09 2.06353046e-10 9.20330478e-09
 3.58178021e-09 8.98927877e-11 1.29987585e-08 1.87166137e-07
 4.44847381e-10 6.94364774e-11 2.02271728e-08 3.32846077e-11
 1.56103237e-08 9.74671559e-12 5.95837264e-06 4.59944305e-11
 2.91587025e-06 2.74810237e-08 1.53673373e-05 9.42646228e-09
 3.19427295e-06 7.93318972e-02 9.69554356e-04 5.54575024e-07
 1.12335249e-06 1.01263069e-07 1.53541624e-11 6.29792746e-11
 6.11519113e-07 2.23699725e-08 2.64142197e-09 5.41955956e-08
 3.39603345e-10 2.23541591e-07 2.89299237e-07 5.12207554e-10
 1.72525123e-08 2.08814754e-06 1.29965386e-10 2.76396605e-07
 2.40841636e-09 9.60924340e-10 7.87590493e-10 3.74254137e-06
 1.88415488e-05 5.29247002e-12]


0.84737957


29


[3.11299608e-08 2.23719212e-08 8.75403753e-13 2.84915309e-08
 4.32809864e-11 2.09185395e-11 8.90231638e-12 2.82628254e-10
 4.49490685e-08 6.37658015e-09 3.27489186e-12 2.57817305e-07
 3.17604827e-06 1.26716845e-10 1.87243575e-06 3.40850725e-08
 4.36064934e-10 1.59512245e-04 5.33844471e-08 1.36351535e-08
 2.11337371e-11 5.96614355e-11 1.30720890e-09 7.28815730e-10
 6.28091260e-11 1.33175675e-08 8.45515824e-05 5.03001547e-12
 9.16598737e-01 9.41235794e-06 1.75925070e-08 1.10088695e-06
 1.14371915e-07 4.80349399e-06 4.19000353e-05 3.36878880e-09
 7.41513517e-11 1.57245195e-09 2.75882339e-09 1.56985163e-08
 8.68488170e-10 1.90027244e-10 2.27990387e-11 6.56165955e-10
 1.19226920e-10 3.68828926e-11 9.59080282e-09 2.78873569e-09
 7.51527451e-11 3.62545376e-11 2.83091162e-10 8.40176778e-13
 1.13578325e-09 3.33770823e-11 5.79823507e-07 2.00409840e-08
 4.58728027e-05 1.95719082e-07 1.02412355e-06 6.61769139e-10
 8.25604647e-02 4.54309746e-04 2.86071554e-05 6.68808511e-08
 2.75554862e-06 5.76999781e-09 2.10363237e-12 2.90276635e-12
 1.01135740e-08 1.19353416e-10 3.53282448e-09 2.40677167e-08
 7.33539285e-10 1.54411584e-09 3.30329031e-09 8.73007222e-10
 1.19851928e-09 2.34473614e-08 1.57723307e-10 2.97020417e-08
 1.46684986e-09 2.73366019e-09 4.70013417e-10 2.28584653e-08
 1.55760915e-07 9.66602341e-13]


0.91659874


28


[6.40558806e-09 1.27901913e-07 9.01512819e-14 5.40266894e-11
 2.31715499e-13 3.17780455e-11 4.73287588e-14 2.55235659e-11
 2.21916974e-09 1.03661572e-10 4.61839872e-11 9.92451343e-10
 6.33971877e-06 1.06140227e-11 1.12825420e-08 2.22502919e-11
 8.86315164e-13 1.80193327e-09 1.94444447e-10 1.61461650e-10
 1.25095171e-12 7.43920496e-13 2.42174922e-12 6.69850078e-11
 2.14584969e-12 2.04462231e-06 5.46196155e-09 3.07474337e-12
 5.88221427e-09 6.43121667e-11 1.08446801e-13 6.01465197e-11
 1.41071388e-09 1.91280589e-10 2.24190735e-11 7.36138372e-11
 1.55703055e-12 8.80164133e-14 1.89794361e-12 3.08546695e-11
 3.89029607e-12 4.54007600e-13 5.14258605e-14 2.11663586e-11
 1.29878704e-14 6.61228545e-14 5.85496061e-12 6.19195493e-12
 5.34662782e-14 1.14666859e-12 6.99453039e-12 1.81030677e-14
 1.21293418e-11 3.99033020e-12 1.50883682e-06 7.62004557e-11
 1.29867325e-10 3.46346172e-12 2.52707542e-11 3.51876989e-15
 2.73117336e-12 3.64320546e-10 3.37421519e-12 4.45901915e-13
 2.13420427e-12 2.87263095e-12 1.06032517e-16 1.33496890e-14
 3.93107259e-13 1.25588084e-13 1.56301783e-15 2.47290773e-12
 3.15042615e-13 2.57049888e-13 1.85129473e-13 1.35790752e-13
 1.92584270e-13 1.42910128e-11 2.00930657e-15 1.59450265e-11
 2.00989788e-14 6.82499684e-13 4.25142472e-14 1.98378137e-11
 9.99989986e-01 4.94911466e-18]


0.99999


84


[2.96062426e-05 6.85906489e-05 1.45037460e-09 9.99721825e-01
 2.03335786e-11 2.92031103e-07 4.74913942e-10 1.57175694e-12
 6.17183247e-08 1.97171368e-09 2.32112018e-13 3.51170586e-11
 8.76496955e-08 3.17977283e-10 4.96192953e-09 3.97515937e-10
 4.77369788e-09 7.34160788e-10 6.20203333e-11 3.04488573e-10
 8.02288280e-09 4.18228652e-09 2.37575648e-09 7.88162535e-10
 2.85951068e-10 2.99325436e-08 2.71326627e-07 1.26717636e-09
 5.26056419e-06 1.90160865e-08 1.25951383e-09 2.12485429e-06
 1.17722275e-05 1.04014703e-06 2.72255488e-06 1.59131844e-07
 2.50234361e-10 1.53135962e-10 2.07834354e-08 3.93495028e-11
 5.72722847e-08 2.73619527e-09 6.88230445e-11 2.15560453e-06
 2.00394996e-11 1.25001010e-09 2.93315283e-09 3.11209440e-08
 1.55091578e-10 1.34513173e-11 4.49266541e-10 3.15442739e-09
 1.54900164e-08 1.35635011e-04 1.19746055e-05 8.48641157e-11
 3.03317975e-08 2.12249541e-11 6.06083120e-07 3.33748751e-10
 6.83166547e-07 4.23232677e-06 9.65641078e-08 5.76367611e-08
 4.55182487e-07 9.98657601e-10 3.20774074e-09 5.34230750e-11
 7.97492211e-11 3.06965675e-10 3.35901557e-10 4.75862752e-12
 3.14105697e-09 8.31285041e-10 7.53674279e-09 4.22819735e-09
 1.93420696e-10 1.11239773e-08 2.54713667e-10 1.11921111e-10
 1.37724679e-10 3.21238487e-11 2.66130473e-09 3.75351000e-11
 7.14679018e-08 4.87244847e-13]


0.9997218


3


[1.21186772e-09 9.67095570e-11 5.83218708e-14 1.31649094e-10
 5.26326690e-14 1.50385755e-15 8.25040652e-14 1.24497149e-11
 1.87243394e-08 1.98074833e-13 1.07043723e-16 5.92457615e-13
 1.72919803e-10 2.16964996e-13 1.19086449e-10 2.71832529e-10
 2.74797060e-07 4.12143883e-08 3.26422800e-08 5.10085751e-10
 6.52293886e-10 3.08965131e-10 9.41519172e-12 3.58238356e-10
 8.96427307e-11 5.41710513e-12 8.68284333e-10 3.57904227e-11
 2.27666760e-06 3.66371637e-06 1.22623378e-05 3.32734339e-06
 4.08759406e-05 3.18095843e-08 9.99937177e-01 8.48440818e-10
 6.41757064e-11 3.53855634e-09 6.01580674e-10 3.93550170e-09
 8.46336390e-10 3.54007865e-11 8.73674223e-12 2.14083695e-10
 7.31134944e-11 4.09621946e-12 4.75306239e-10 4.31518349e-10
 3.43245636e-12 2.46102086e-14 9.10459430e-10 2.99861623e-14
 3.88233022e-12 1.99698526e-12 1.05367194e-10 1.55319987e-15
 1.02456869e-10 1.81869201e-12 3.56234972e-11 3.38988108e-11
 1.75709919e-10 6.21216967e-10 9.66721217e-11 1.71956525e-13
 2.08962692e-09 3.81614879e-10 8.60009746e-15 3.76757084e-13
 3.83363410e-11 1.97107591e-11 1.33225142e-09 4.67540676e-12
 1.16504896e-12 2.26682828e-09 3.31283763e-12 1.73049717e-11
 8.31625463e-11 2.78344792e-09 5.77623615e-14 2.31938413e-10
 1.10647724e-11 7.27114410e-11 8.79263144e-15 5.30088404e-11
 1.79672388e-10 3.05816349e-16]


0.9999372


34


[1.06617961e-07 1.79311765e-08 1.10040553e-11 9.99973655e-01
 4.63212274e-10 1.92434646e-09 3.94755686e-11 2.92303291e-13
 7.21840226e-11 5.09653042e-10 1.03403462e-12 9.24654667e-13
 2.05850129e-10 7.28876612e-11 3.25738284e-07 1.73749001e-10
 5.86405757e-10 1.50547830e-09 2.13153550e-10 2.42394673e-08
 3.31789596e-09 1.62945728e-08 2.53060116e-05 4.51838594e-10
 2.30624431e-09 1.63629485e-10 3.06574849e-10 9.14159482e-13
 9.17931775e-09 1.11949741e-10 5.62018727e-14 3.35469022e-12
 6.12870241e-11 8.07222345e-11 1.22002475e-09 1.12517273e-09
 2.89560147e-11 7.68017941e-12 3.40402972e-09 1.24399557e-12
 4.72508077e-09 1.26350850e-12 2.98456436e-13 1.83921767e-09
 4.08128968e-14 8.88181638e-15 2.22013588e-10 2.63201461e-10
 1.35085454e-12 7.90306067e-14 4.19239166e-12 6.55202767e-11
 1.01105035e-09 7.68110964e-10 2.11864428e-08 7.02977173e-14
 4.97332007e-16 2.44385798e-15 1.75296633e-09 3.30493861e-11
 5.88678439e-10 1.03554115e-07 1.73490389e-10 4.80112373e-11
 1.89160199e-09 9.17157794e-10 3.70305231e-10 5.16148973e-13
 1.18797619e-11 4.90593156e-11 3.44339668e-07 4.35494262e-12
 2.13491052e-12 6.45510034e-11 2.32461845e-11 1.04346487e-09
 8.02677369e-12 8.63755345e-10 3.05564907e-10 2.51139257e-12
 7.65115239e-13 5.58627959e-13 5.38507294e-10 9.68382682e-14
 1.00066555e-09 7.60217232e-17]


0.99997365


3


[5.53343238e-09 7.25216466e-07 3.02719303e-13 1.70727802e-07
 2.02038784e-13 3.38911740e-14 1.57465516e-11 7.54723395e-10
 6.74620480e-07 1.08833616e-10 7.87998615e-16 1.02216282e-11
 1.65753899e-08 4.88814067e-12 4.47631754e-09 1.71027401e-10
 1.09275948e-08 1.54446003e-08 5.12699705e-09 2.24569252e-09
 2.70504646e-10 3.79196119e-11 1.16904930e-10 9.16331622e-10
 9.56398641e-11 4.18390635e-11 3.02685299e-09 6.84817134e-12
 4.32179731e-05 4.59508598e-02 2.16757656e-09 2.18424793e-05
 1.17180152e-05 7.25301916e-08 9.53962266e-01 4.54739746e-10
 7.74060399e-11 2.27098984e-09 3.19295967e-09 1.52477870e-08
 5.16113108e-09 4.36595274e-11 9.89184212e-13 7.61098462e-10
 1.91647002e-12 9.03501395e-13 3.42920498e-10 2.81657364e-09
 6.84537626e-12 1.41962356e-13 3.29871491e-10 5.08361799e-12
 3.87535837e-12 1.00236275e-09 3.07302557e-08 1.12669639e-13
 4.92085128e-09 1.91194751e-11 4.55443905e-09 6.06718720e-09
 4.12775343e-08 3.11246276e-06 6.58402310e-09 4.88076489e-11
 5.07120831e-06 3.75632823e-11 4.91862735e-13 6.10701247e-12
 1.65233840e-10 1.23826635e-11 1.45125323e-09 7.55398452e-11
 7.05049127e-12 4.15894341e-09 2.17378858e-11 5.09703842e-11
 5.80498538e-09 3.52896268e-09 2.91416637e-14 1.72004644e-09
 5.20867160e-12 1.28091715e-09 1.99168400e-13 1.32238975e-09
 1.62328806e-09 3.26616169e-16]


0.95396227


34


[1.71550630e-06 1.03037146e-05 4.94295271e-09 1.59274896e-05
 1.28516064e-07 4.57199834e-09 1.91881302e-08 9.66605285e-07
 4.21941841e-08 4.09859631e-08 7.18639703e-10 1.97129467e-07
 9.62627496e-07 1.82817956e-07 1.34844522e-04 6.18941112e-06
 7.06651326e-06 5.19822240e-02 9.06760275e-01 1.08295828e-02
 7.16468367e-06 2.78379442e-03 1.79222279e-05 2.46082855e-05
 8.13112547e-06 3.88334274e-06 6.36238610e-07 9.02060537e-10
 2.64258031e-02 8.52369645e-04 9.86620119e-10 1.45234100e-08
 5.35717561e-07 1.30029548e-06 1.51664574e-06 2.99392411e-07
 2.84562329e-08 6.23937098e-08 2.04441619e-07 2.45659351e-07
 1.27901288e-07 1.52171218e-08 1.15016892e-10 2.93595148e-09
 2.62843775e-10 5.37901390e-11 7.98461599e-08 3.54117198e-08
 1.83274018e-08 1.58227736e-10 2.08710684e-08 2.53109942e-08
 1.78455792e-07 1.45119799e-07 3.41499572e-06 1.12941290e-09
 5.18332081e-06 1.09368570e-09 3.28004899e-05 5.68547733e-08
 1.23306017e-05 4.13383787e-05 3.68294945e-06 1.54190744e-07
 1.40207230e-05 5.67268728e-07 1.65018021e-09 9.67371072e-10
 3.27014256e-08 7.07532664e-08 1.69277243e-07 1.72802981e-08
 9.80583059e-10 2.54997929e-07 4.31484288e-08 9.59364428e-08
 1.14408962e-08 1.13964084e-07 1.13273524e-09 3.37334960e-08
 1.00897357e-09 5.78479709e-09 1.65403815e-08 7.43685064e-07
 4.88200158e-06 1.93078938e-11]


0.9067603


18


[1.69402865e-05 9.99825537e-01 5.09448261e-10 7.48840932e-07
 5.37181214e-14 2.36583558e-10 1.88875669e-11 2.09427128e-07
 1.68372039e-09 3.53034366e-08 1.36516724e-14 4.44561721e-09
 6.62558814e-05 1.03590372e-10 7.73607899e-05 9.06454556e-09
 6.69322887e-13 1.13919918e-09 2.63693813e-08 8.63653316e-11
 5.25166716e-11 1.00693915e-11 7.43615586e-12 6.23072205e-10
 6.43194942e-11 8.74159753e-07 1.29224340e-10 4.13882774e-12
 2.20708057e-06 8.57384464e-07 2.46903236e-12 4.72851591e-10
 4.59287319e-09 1.42103676e-10 2.88060079e-07 5.40381295e-10
 6.52604248e-10 4.98771554e-12 7.46518181e-10 2.92533532e-11
 1.15225343e-10 3.59327759e-12 1.71393471e-13 6.62257316e-09
 4.70096848e-15 7.71364716e-14 5.22846974e-11 1.55626467e-11
 3.62479605e-13 5.80224833e-13 1.48065657e-11 1.49949470e-10
 7.25275603e-11 8.87659901e-09 1.92079256e-07 6.37827569e-09
 3.60104620e-11 1.02572215e-12 4.19033235e-08 1.31641054e-08
 4.17681861e-10 4.66663187e-06 3.10138554e-10 5.51722945e-10
 3.53925515e-07 5.09098388e-11 2.99528604e-14 1.51741831e-11
 3.40744338e-12 1.49428692e-10 1.55904623e-10 2.03181951e-08
 2.35251523e-11 7.56863849e-10 9.73502529e-13 7.10658696e-08
 7.75206033e-09 2.58338906e-10 7.46602433e-13 1.35765332e-09
 1.14189496e-12 4.42535564e-09 1.17095916e-10 1.45203580e-06
 1.83958286e-06 1.25842229e-16]


0.99982554


1


[1.19070002e-07 5.82335158e-09 1.44762299e-10 2.77463241e-05
 7.30846980e-12 1.95886383e-08 1.54780300e-10 8.97667357e-11
 3.52891516e-06 1.37231101e-10 6.94179035e-13 1.09536968e-09
 2.22764257e-02 3.11966647e-10 2.09376716e-09 3.18629734e-10
 1.25150335e-08 2.88177446e-08 2.74107009e-07 1.88185012e-07
 7.90951082e-10 1.58606390e-08 1.76078032e-08 5.42522010e-08
 6.09832573e-10 1.72350701e-05 1.50348725e-07 4.91308771e-09
 6.15192630e-06 7.84502990e-05 3.81947132e-08 5.47185300e-05
 4.86623719e-07 1.94172640e-06 9.77406859e-01 8.75750583e-09
 5.01437736e-09 1.57965143e-08 4.33690310e-08 1.28224054e-08
 3.93855046e-08 1.51386503e-09 1.20263077e-10 2.36515820e-08
 4.19503078e-11 8.03319009e-11 2.59927369e-08 1.04958877e-08
 1.11208887e-09 2.57002752e-10 4.78151598e-08 6.43577680e-09
 3.45850992e-09 4.37909392e-07 3.10623314e-08 7.29215799e-10
 5.92359184e-09 6.80875933e-09 1.01018330e-07 7.39809067e-08
 3.94800459e-08 2.73565402e-05 2.34413093e-08 4.07505096e-09
 1.21113490e-05 4.33623484e-11 2.67753701e-11 2.52171312e-10
 8.76057615e-10 2.48111226e-10 3.27593647e-10 3.41574058e-09
 1.41933176e-09 7.63033303e-10 1.47907286e-09 6.07080324e-08
 1.34585418e-08 2.39548594e-08 1.54116317e-10 6.85161972e-09
 2.12059731e-10 5.21392884e-09 7.61968710e-10 7.27339575e-05
 1.22279635e-05 1.88743417e-13]


0.97740686


34


[9.4381976e-06 2.2197053e-08 6.4499898e-11 1.0451232e-06 3.9332715e-09
 7.6050570e-09 2.9814116e-09 1.0572280e-06 8.8722942e-08 1.0531344e-08
 9.7034414e-10 7.6567488e-07 6.3372489e-08 3.8540570e-08 9.5007133e-05
 2.3087171e-07 5.2421098e-07 9.2017710e-01 7.8485988e-02 2.9030440e-05
 1.5654939e-07 1.6772585e-05 2.3463058e-06 3.8888794e-07 8.6859524e-07
 9.7037113e-04 3.5368288e-07 1.5776999e-09 3.6367248e-05 1.8200062e-05
 4.6911634e-08 3.0998301e-08 1.8525224e-08 9.2130576e-06 6.6718644e-06
 8.2088498e-08 8.1765146e-09 1.1151144e-08 2.6601986e-08 8.4517396e-08
 1.2874797e-09 1.7619348e-10 4.5182354e-11 1.4849840e-09 9.2968827e-11
 3.0601664e-11 1.0351892e-07 4.0478616e-09 2.6315983e-09 4.5505838e-10
 1.3586473e-08 7.7335320e-09 1.8008768e-08 7.2962396e-09 1.7401021e-07
 2.0012518e-08 2.5538625e-07 2.6236295e-09 5.3100290e-08 1.8354344e-10
 9.7395844e-07 1.9770125e-06 3.7686863e-08 1.9263075e-08 1.0807657e-06
 4.6681952e-09 8.8845287e-10 1.2248710e-10 2.1470624e-08 4.8499809e-09
 9.9117858e-10 2.0699833e-08 8.5126756e-10 9.4772918e-09 1.5045990e-09
 4.6642992e-08 7.5335022e-10 1.6290734e-09 4.8238951e-11 3.2133962e-10
 7.3337958e-10 3.3312870e-09 7.1463441e-10 1.1226864e-04 2.0363383e-05
 9.7915929e-12]


0.9201771


17


[3.41622181e-05 1.29139689e-05 5.04977005e-10 2.38854426e-07
 8.73342024e-12 1.30568878e-07 2.28837873e-08 2.02945731e-08
 7.07642976e-05 3.49863782e-08 6.01612316e-10 1.26849685e-07
 7.96441236e-05 1.60959672e-08 1.96902874e-05 6.05564026e-08
 8.24382618e-10 2.17634746e-08 3.53821115e-08 4.45880026e-08
 2.03306421e-08 4.36048930e-09 6.11049629e-08 1.64549249e-07
 4.73924899e-08 9.89677012e-01 4.07123537e-07 1.43858681e-09
 1.29789565e-04 1.06625175e-05 2.74296603e-08 6.02116370e-06
 7.35990909e-07 6.10491952e-07 4.54030351e-06 1.70173067e-08
 5.07439291e-09 1.99897308e-08 2.96814420e-07 2.00790254e-07
 1.70714678e-08 2.53783439e-09 9.26686852e-11 6.53504344e-08
 1.29816219e-11 2.35862774e-10 1.35361489e-07 1.69125958e-08
 2.50391652e-10 3.84745036e-09 4.50420536e-08 1.02009523e-09
 4.39296421e-08 3.85667477e-07 6.59508441e-05 6.12621307e-07
 7.32163983e-08 3.28459637e-09 3.60010672e-05 9.69935527e-08
 1.34857112e-06 9.06033092e-05 1.37342226e-06 6.00487192e-06
 5.03300835e-05 2.60631712e-08 1.10025964e-11 1.41440193e-09
 4.52140370e-08 1.14742715e-09 3.07327414e-10 7.43202463e-06
 2.71832068e-08 2.25001937e-08 9.54358637e-09 1.46890443e-06
 2.06006838e-08 1.17405297e-09 9.79854753e-10 2.59017753e-07
 1.11367826e-09 1.04139900e-07 3.21037363e-10 2.51655496e-04
 9.43730492e-03 7.02028062e-13]


0.989677


25


[1.39361564e-05 5.77952513e-08 5.33771416e-10 3.58704733e-09
 2.55269059e-13 3.22172085e-08 1.19337665e-10 8.85611653e-11
 2.39450287e-07 6.76032980e-11 4.75326419e-12 1.18304067e-09
 5.84053851e-07 2.34764794e-08 1.56113714e-07 1.39788958e-09
 8.25822605e-11 1.02845004e-08 1.37827234e-08 1.48701949e-08
 1.19764587e-09 1.86987578e-10 2.32139055e-08 3.03498382e-08
 7.17792714e-10 1.13882311e-03 5.67560399e-08 1.15983312e-09
 2.89832247e-08 2.27361827e-08 2.73141918e-08 2.23436771e-08
 1.52400883e-08 1.96289580e-08 2.10276898e-08 2.31647523e-09
 5.78170234e-10 5.57009106e-10 1.20728444e-07 2.97031288e-10
 3.10715631e-09 4.48447002e-10 1.22679283e-10 7.45113979e-08
 1.37327335e-12 2.20963525e-11 9.24736732e-10 2.92702473e-10
 4.12493095e-11 3.48035933e-10 1.47909915e-08 2.02120098e-10
 4.14016332e-09 2.46770782e-07 3.23902095e-05 6.51928858e-11
 4.10366097e-09 6.05377120e-12 9.50103729e-09 6.39251430e-10
 2.96218983e-09 1.40684492e-07 3.28161498e-10 2.29553065e-09
 5.84161910e-07 8.07271938e-09 4.32158562e-12 3.20127974e-12
 2.08976850e-10 4.14566104e-10 1.38725585e-11 9.35628819e-09
 3.42613993e-10 4.51187941e-11 6.90861882e-11 6.53663568e-10
 8.17555801e-10 1.51131399e-10 2.64017211e-11 5.93751021e-11
 3.49701275e-11 2.21051198e-11 1.09635793e-10 2.09683755e-08
 9.98812199e-01 4.33810668e-14]


0.9988122


84


[9.9996877e-01 1.3517366e-07 2.4413352e-11 5.4623825e-07 4.3532877e-15
 1.6276811e-09 1.3734907e-11 3.6657122e-10 1.9903066e-08 1.6901784e-09
 9.7865865e-15 7.2817932e-12 7.1111395e-13 6.3830538e-11 9.4391217e-11
 1.3789067e-10 5.0013615e-11 6.1460004e-10 6.0009241e-11 5.8936533e-10
 4.4020940e-10 3.8685798e-11 1.0200290e-09 6.8704442e-10 6.2422861e-10
 2.1502261e-07 1.1921397e-08 5.1886262e-10 9.1476897e-09 1.7899414e-08
 8.3912827e-10 3.5370994e-11 3.0805983e-10 1.8263616e-09 1.2811166e-10
 1.5424395e-09 5.9818171e-11 8.9315612e-12 1.7448687e-07 5.2057582e-13
 1.8718840e-10 6.1545306e-13 3.0788698e-11 8.0853596e-07 1.5594102e-13
 8.9282867e-13 1.3295892e-10 5.2560876e-11 5.7820215e-13 1.2221567e-13
 7.1196847e-11 1.3993916e-08 2.2128293e-09 3.5709186e-07 2.5333393e-05
 2.7675128e-12 1.6574353e-11 4.5309198e-14 2.4623620e-10 4.1809883e-10
 7.4501344e-10 8.7000807e-09 1.6046803e-11 1.8491446e-10 3.8874322e-08
 2.2216342e-09 4.6804973e-12 3.5162418e-14 5.5781069e-13 6.0821737e-11
 2.0718366e-10 1.0057901e-10 2.8777509e-13 8.0097136e-12 1.8418526e-12
 3.1554443e-11 1.1194086e-10 2.5477646e-11 4.9360533e-12 1.6753211e-13
 8.8696828e-12 8.9592613e-14 7.3455041e-11 2.4108640e-11 3.6081994e-06
 2.5076249e-14]


0.99996877


0


[9.89938974e-01 6.79177617e-07 2.82836710e-09 9.85321749e-05
 1.00199987e-11 1.83041180e-07 6.23715357e-10 4.66342954e-07
 8.83421137e-07 1.87003565e-07 3.72936300e-11 1.61374878e-08
 2.19500906e-09 1.17283321e-08 8.87466267e-10 9.65823901e-08
 6.34653148e-08 5.25629673e-07 1.22831423e-09 6.16545890e-08
 1.24626951e-07 5.98066796e-09 4.15560720e-07 1.31666070e-07
 4.14563779e-08 4.20612395e-07 1.69986066e-07 2.91512009e-07
 6.74867842e-05 2.06059049e-04 3.30277908e-05 2.26742017e-07
 5.26450185e-06 6.49924823e-06 6.39150642e-07 1.27367662e-06
 2.40618547e-08 1.57300573e-08 3.46258865e-03 1.79471538e-09
 1.48422430e-06 9.57444457e-10 4.25202899e-07 6.00235583e-03
 4.07075369e-08 1.66152638e-08 8.98850658e-07 4.24800447e-07
 1.47728130e-09 1.85762183e-09 1.53598165e-07 4.25382605e-05
 3.62341848e-06 3.49384845e-06 2.06397885e-06 5.55817579e-11
 1.87714431e-08 1.37469647e-10 1.92471617e-07 2.55827331e-06
 2.90532607e-05 4.67789250e-05 6.78303081e-07 5.90666605e-06
 6.59737361e-06 8.92650007e-08 8.12391665e-09 6.52469745e-10
 3.10472925e-10 3.95256933e-07 6.76774278e-07 3.94714306e-08
 8.39934955e-10 5.26926307e-08 1.30809052e-08 6.78294100e-07
 2.85194375e-08 2.31976074e-07 6.02939165e-09 1.33971145e-08
 7.95849786e-08 4.63986211e-10 9.92167326e-09 2.49725982e-08
 2.28603221e-05 1.94288974e-10]


0.989939


0


[9.99889255e-01 2.50376416e-07 2.05754146e-11 1.10482529e-06
 1.30820215e-15 2.93466975e-08 4.47439516e-11 2.05851314e-09
 2.97663991e-08 1.52195456e-09 3.25021558e-13 3.84229844e-12
 1.74289541e-11 8.74818884e-10 3.94278429e-11 1.21171717e-09
 4.19921264e-10 2.05085549e-09 2.30217262e-10 1.80947324e-09
 1.07392193e-08 3.38678002e-10 2.92970759e-09 2.50252530e-09
 2.22244068e-09 1.33814438e-05 6.81717793e-10 1.33359346e-09
 5.79926969e-08 2.42779635e-07 1.70840098e-09 4.30713035e-11
 6.83226808e-09 3.79762710e-09 2.06519371e-10 1.43757362e-08
 3.85105531e-10 7.42886048e-12 2.48333945e-05 1.35326255e-12
 4.28618989e-08 1.63634956e-11 4.14196499e-09 1.78286552e-06
 5.45746694e-12 1.95075553e-11 2.66072497e-09 6.81940833e-08
 7.11589641e-12 6.04113873e-13 2.01527295e-10 6.69004512e-05
 2.86057631e-08 7.76461846e-08 1.47712319e-06 1.34395088e-12
 3.70442094e-10 1.00964105e-13 1.00624598e-09 7.57812870e-08
 4.20478452e-09 2.73794978e-08 2.08010942e-10 3.15269553e-08
 3.59729242e-08 1.32497631e-08 1.55360044e-10 4.87114819e-12
 4.12883161e-13 1.01936060e-09 3.22710081e-09 5.14758403e-10
 4.84252569e-11 1.49557991e-10 1.59409257e-11 3.51310341e-08
 1.31744082e-09 1.29056033e-09 1.58688940e-09 3.24259499e-12
 2.32603783e-10 1.96981927e-12 2.86229818e-10 1.51611848e-10
 1.85246506e-07 9.60954271e-14]


0.99988925


0


[6.4006898e-08 5.1256621e-10 3.4211186e-12 2.5377235e-08 4.3612523e-13
 3.1478703e-10 3.1915772e-12 7.2288904e-11 1.4083646e-11 3.6226081e-11
 3.8573902e-13 9.8416642e-13 1.2613818e-10 2.6448625e-11 6.9457190e-13
 7.7465374e-11 2.4269673e-09 1.9344020e-08 1.7729507e-09 5.2724952e-10
 4.5935057e-08 4.1392736e-10 1.4675140e-09 4.0311843e-09 3.7910666e-09
 3.8703723e-07 1.6782199e-11 1.1962130e-10 5.3619673e-09 1.1486360e-08
 1.1029540e-09 2.9275343e-11 6.0573524e-10 3.7059669e-09 1.9900749e-11
 1.1102060e-09 1.8379804e-09 6.5363752e-12 6.5262014e-07 6.8781282e-13
 1.5116970e-09 1.8271537e-11 3.7986136e-10 1.8019916e-08 7.8942936e-11
 1.4051722e-10 2.2895227e-11 2.4877600e-09 1.4108219e-11 7.6209200e-13
 5.5547345e-10 9.9999893e-01 2.7887681e-10 2.3093314e-09 3.5298883e-10
 4.9479419e-14 2.3482964e-11 3.0272554e-13 7.0989443e-12 3.8649941e-11
 1.5277407e-09 5.7030802e-10 1.4839439e-12 2.6428162e-10 2.4893620e-11
 3.3084105e-10 4.0861502e-11 4.8666674e-12 7.9459720e-15 4.7818884e-11
 6.1288192e-12 2.3376182e-13 3.5209235e-11 3.2707799e-12 7.4221076e-13
 2.8819730e-10 1.6571028e-11 4.4633333e-12 7.4095549e-11 1.8080257e-13
 1.6801191e-11 3.2219250e-13 8.5488252e-13 9.4966474e-12 2.2745247e-10
 2.8928840e-13]


0.9999989


51


[6.6836463e-08 1.4313972e-06 9.0997495e-14 9.9764225e-11 6.7111612e-16
 1.2057648e-09 1.9405951e-11 1.1942310e-10 8.9165825e-10 2.8144531e-10
 6.5797619e-12 8.2993785e-11 1.9685966e-07 1.8380412e-10 2.4682114e-08
 9.4920773e-12 9.0113949e-12 9.3847219e-10 8.3523116e-10 4.1339135e-10
 1.7330489e-09 1.5255297e-09 1.0328960e-10 3.4895301e-08 7.3197981e-09
 9.9999058e-01 8.1876041e-11 4.5001984e-12 2.6307542e-10 1.1658399e-09
 5.3065261e-12 2.7992206e-11 1.6854893e-09 1.4016659e-12 2.5425469e-12
 7.6671981e-11 1.7486237e-10 4.3272786e-12 1.0964447e-09 4.3538022e-13
 8.1250499e-11 2.9816250e-11 6.7301464e-12 3.0227072e-09 1.9066919e-13
 1.1085426e-12 2.9640626e-12 6.8995740e-11 2.1486400e-12 2.3759157e-12
 3.1439844e-11 1.4561761e-07 1.6598575e-10 3.0899372e-08 1.4865067e-08
 2.5369675e-11 2.7385480e-10 2.2975155e-13 1.2559506e-10 3.5037792e-10
 5.2318000e-10 1.7039105e-09 1.9028210e-11 2.2369304e-09 1.1554816e-09
 3.5043557e-09 1.7957490e-12 2.1029903e-12 3.9032569e-14 3.2148114e-11
 6.0640071e-14 1.7793786e-10 9.8222021e-11 3.5652297e-12 3.8892134e-13
 5.9865530e-09 1.0376524e-11 1.6967212e-12 3.2658421e-11 5.3402638e-13
 1.8831102e-12 6.0281021e-12 2.2780560e-11 1.2409993e-09 7.4347745e-06
 1.6421888e-17]


0.9999906


25


[1.74470394e-08 9.99990344e-01 1.18051391e-09 5.08104048e-09
 4.46977751e-16 1.23532217e-12 4.29285149e-11 1.23399474e-07
 5.43565193e-08 4.36127312e-09 8.82163212e-13 2.84525953e-07
 2.53754911e-06 1.06643722e-11 1.82805753e-08 3.00415692e-10
 9.79409176e-09 1.52532635e-08 2.08384421e-08 8.62943050e-10
 6.99106284e-09 2.17612728e-09 2.75404854e-09 6.83111523e-07
 1.00195322e-07 3.57927911e-06 2.07446060e-09 5.61177060e-12
 3.73563722e-08 1.14080865e-06 4.64406583e-07 1.89583886e-08
 1.19852601e-07 1.50313248e-10 2.59179380e-08 1.05707360e-10
 3.15855182e-08 1.21530189e-10 1.42161871e-09 5.91708280e-11
 1.23843991e-10 1.84942861e-09 1.69536385e-10 1.22591415e-09
 9.50669665e-12 3.54559382e-10 4.29909131e-09 1.65241254e-09
 4.52798576e-10 8.20922497e-12 1.28261679e-09 1.83839954e-09
 3.87219180e-11 4.54032056e-09 6.52725918e-09 1.24934632e-10
 1.62704261e-09 2.63381622e-10 3.49981766e-10 1.23399655e-08
 3.81307208e-09 6.16959426e-08 2.20644232e-08 2.57038113e-10
 1.70227352e-08 1.43770984e-09 7.63813145e-12 2.93392810e-10
 1.23127376e-12 8.38211012e-09 2.64738353e-11 1.26476669e-08
 1.53452351e-09 6.09525652e-10 8.77148289e-13 3.92850517e-08
 9.14245035e-08 8.24742843e-11 1.30511192e-11 8.06465283e-10
 1.88457670e-11 1.56051516e-09 4.20187440e-09 1.92502458e-09
 5.65604417e-08 1.13624959e-15]


0.99999034


1


[2.40540743e-08 3.57192640e-08 9.70085736e-08 1.05921849e-07
 3.07859099e-10 1.04303079e-12 2.94675367e-10 4.43057182e-08
 2.03919944e-06 1.62796421e-09 1.24998012e-10 1.49811839e-07
 1.56658515e-07 7.05422920e-09 3.40843229e-07 1.06117595e-05
 7.81454667e-02 8.38014424e-01 7.04923868e-02 4.18040669e-03
 4.94985899e-04 1.39040512e-03 6.36704935e-05 6.86449884e-03
 3.24574939e-04 1.17526611e-08 4.96385084e-08 1.90244465e-09
 4.28112941e-07 3.90947753e-06 1.78583616e-06 2.46334622e-07
 1.30724061e-07 1.14035537e-07 4.91052106e-07 4.22528899e-07
 2.73714136e-07 5.61717854e-08 7.81395642e-08 5.66674387e-08
 4.52530236e-09 4.34978745e-07 9.06465392e-09 1.65513458e-09
 7.69914521e-10 5.80046304e-08 4.22195797e-07 5.48131389e-08
 3.55439738e-07 1.99891570e-09 7.46536486e-08 1.06881764e-07
 6.22850749e-09 1.99704928e-08 2.23889405e-08 1.14765140e-08
 5.26134909e-06 4.59221017e-09 3.66276565e-09 5.50690444e-08
 1.80609391e-07 1.00407270e-07 3.99664390e-09 9.99528371e-09
 5.49801449e-08 1.59008948e-08 6.69483002e-09 3.55685703e-10
 1.27748445e-09 4.04037266e-08 3.48233264e-09 2.48628673e-09
 8.38204812e-08 3.03051770e-08 9.37604105e-10 9.13440790e-09
 5.33873434e-09 2.05891428e-08 7.58865956e-11 6.24878038e-10
 1.00108855e-09 1.02683040e-09 1.17139387e-09 3.13482462e-09
 1.54474620e-08 4.04473590e-12]


0.8380144


17


[1.03591825e-04 8.98597705e-07 1.72840600e-06 2.95491463e-06
 6.20015761e-10 4.83945906e-09 1.71825661e-07 2.70726559e-07
 9.74112368e-07 5.32989510e-08 6.95246527e-09 4.43428280e-06
 1.36965559e-06 4.06761774e-06 1.10625524e-05 2.10968293e-02
 1.06093414e-01 2.31410205e-01 1.73468366e-01 1.57712519e-01
 1.05024822e-01 8.77980664e-02 5.56395715e-03 6.71493784e-02
 4.44163531e-02 1.66794580e-05 1.51959912e-05 3.63485633e-08
 1.72677233e-07 5.10192558e-06 2.38850316e-06 4.40596182e-07
 4.88916356e-08 9.08081219e-08 1.60518766e-07 3.96479294e-07
 4.26290399e-06 3.12506387e-07 1.46121110e-07 3.41367752e-08
 2.19371521e-09 1.98021880e-07 1.28904389e-08 2.21292051e-09
 1.99132200e-09 2.61131117e-08 4.27972907e-07 1.12216037e-06
 5.76275227e-07 3.95938429e-08 1.38313951e-07 4.46840522e-06
 5.79659201e-08 6.63109063e-07 2.62139679e-06 1.61072975e-07
 8.25111329e-06 1.02497477e-08 6.73137265e-07 9.40299358e-08
 1.83510690e-06 6.04303659e-06 1.73891550e-07 1.29940503e-07
 6.25080645e-08 2.97813858e-06 6.67421943e-07 1.94881089e-08
 4.28832685e-08 1.87669393e-05 1.44417809e-05 7.59210536e-07
 1.94380323e-06 1.20661491e-06 2.30415438e-07 2.74119679e-06
 9.71231657e-06 1.73133924e-06 1.66816119e-06 7.03104135e-08
 1.29612951e-08 1.23945881e-07 1.16234514e-06 3.77406423e-07
 2.61031300e-06 7.45830064e-11]


0.2314102


23


[6.64883386e-03 1.27961940e-07 4.08131791e-06 2.53622829e-07
 7.08772596e-10 4.54086213e-10 2.70490492e-08 2.86214288e-07
 8.40654650e-07 4.21541468e-09 1.06283000e-08 1.62831493e-05
 5.24858592e-07 2.17105026e-07 3.45956073e-06 4.45304364e-02
 7.20757321e-02 2.01409787e-01 1.13070555e-01 1.16579831e-01
 2.16107406e-02 1.82953537e-01 1.48179485e-02 1.34022817e-01
 9.20278952e-02 2.08149686e-07 1.04625680e-04 2.34243331e-07
 1.12583473e-06 9.04305580e-06 2.42786132e-06 2.10682333e-06
 3.12486037e-09 2.03267696e-08 3.69335197e-07 2.39531641e-06
 9.72352973e-06 1.48310471e-06 2.54326920e-07 6.27389170e-07
 1.34749527e-08 2.18822407e-07 2.58055106e-08 6.53911902e-09
 5.89042060e-09 6.11318995e-08 2.15949149e-06 1.95735556e-05
 1.91418167e-06 3.81645222e-08 6.43261231e-08 8.74919071e-09
 5.41164979e-08 1.72882295e-08 9.48167781e-06 1.48546647e-07
 6.55627036e-06 1.43352041e-08 1.40839518e-07 1.30822428e-07
 3.38413656e-07 1.66217569e-06 6.71575151e-09 1.28733486e-08
 3.07322097e-07 4.36833972e-07 2.48037736e-07 3.50602321e-08
 7.28482377e-08 1.13002716e-05 1.65241199e-05 3.90520245e-06
 1.30379291e-07 5.40139445e-06 1.07085441e-06 1.80962616e-07
 3.90248630e-07 1.10559108e-06 9.96916924e-07 4.84382667e-07
 2.75800049e-09 1.50040449e-07 7.77927553e-08 6.97921294e-08
 5.63047297e-06 1.58903923e-09]


0.20140979


18


[9.9996698e-01 7.2305557e-09 4.1125685e-09 3.7924664e-08 3.7028482e-15
 1.1008385e-12 2.7064954e-11 6.3504979e-11 3.9612997e-09 5.3370780e-11
 3.1660351e-12 5.6525819e-11 4.1791151e-10 8.7326173e-09 2.7934772e-09
 3.4262957e-06 1.3553058e-07 1.9819906e-09 2.1675611e-08 6.9113122e-07
 1.1175800e-07 8.1601556e-08 1.0707329e-06 5.5221403e-07 6.8837402e-08
 1.4341623e-09 1.4028920e-09 8.4963048e-10 8.6136449e-09 3.8902890e-06
 2.4846278e-08 1.4777896e-07 2.1017807e-09 1.8300468e-10 4.0019771e-08
 5.4026149e-08 6.4296528e-09 5.4023954e-09 8.4354656e-07 2.8663081e-09
 3.8263224e-09 1.6535776e-10 3.7177547e-10 9.9700202e-08 9.6163744e-11
 1.3918585e-08 2.3016776e-08 1.5388785e-05 1.8936748e-10 1.2184434e-11
 4.9370563e-10 2.3308710e-12 4.1906989e-09 2.4397970e-09 3.5092913e-08
 1.8720200e-10 1.9742587e-10 2.3688717e-13 2.8889681e-07 1.3532897e-07
 9.9145225e-10 1.0574382e-06 5.8493654e-09 2.8456302e-09 5.9049770e-09
 1.5469433e-07 3.0284109e-10 6.3506112e-13 1.6463078e-10 3.4940751e-07
 1.3813841e-06 2.5063407e-09 8.0561957e-09 1.9080460e-07 8.5560451e-08
 2.2077675e-08 3.9661722e-07 1.4876503e-06 6.6907944e-07 2.6321541e-09
 6.9770423e-10 4.9109734e-11 7.9972806e-10 7.6906127e-11 7.5519022e-09
 1.0830618e-10]


0.999967


0


[1.6199547e-08 4.5656521e-12 1.1239111e-12 4.2897517e-09 1.0623880e-12
 2.5054458e-06 1.3734753e-11 4.1110545e-13 2.4802918e-11 8.0860952e-12
 1.6989692e-10 2.0453003e-12 2.7289937e-10 2.2912104e-07 3.2964992e-11
 1.9444181e-10 6.3675384e-11 3.4161469e-11 3.6735497e-11 4.4195030e-09
 2.3975716e-10 5.9611371e-10 2.3188969e-09 1.3505404e-10 7.7837097e-09
 1.1414257e-07 8.1779488e-12 2.3625718e-10 4.7057034e-09 1.1058678e-09
 6.8583181e-11 1.1251798e-10 1.1321983e-09 4.4809991e-09 1.0734933e-12
 4.0898265e-10 1.0886389e-07 2.7208249e-09 3.7897582e-06 2.9151938e-11
 6.3047571e-07 1.6664687e-12 3.4526826e-09 4.9445089e-07 2.8196052e-09
 2.3192079e-08 5.3314523e-07 9.9998415e-01 2.8989930e-10 2.0830393e-09
 2.8831244e-09 5.7763877e-10 9.7579921e-08 1.1095281e-11 2.6498375e-11
 6.1880106e-12 3.3497689e-13 1.7495907e-13 3.9190380e-07 5.3331600e-11
 4.7385686e-09 6.2194205e-10 9.9451967e-08 1.2693433e-08 1.8906018e-12
 2.8104049e-07 2.0170768e-07 6.4555952e-12 1.3760915e-12 3.4522645e-11
 2.6742764e-10 1.8113229e-13 3.4606490e-08 2.4122581e-11 3.1208322e-10
 8.0123845e-09 1.8560375e-11 3.0839838e-11 6.2268641e-06 3.7840482e-12
 6.8891309e-10 1.4704067e-12 4.5648380e-10 1.8992761e-12 8.1820450e-10
 1.6771285e-12]


0.99998415


47


[8.83058604e-09 1.86552683e-07 9.79889726e-15 2.17983631e-09
 2.47707692e-15 4.44226300e-09 6.83622048e-11 3.53910098e-13
 9.16790515e-12 5.11173742e-12 2.83280688e-09 1.30896552e-11
 9.17145684e-08 1.60287232e-08 1.74130391e-10 1.41897475e-12
 1.45898837e-13 3.00846912e-13 1.01826179e-10 8.06912967e-13
 3.83890532e-12 1.26736685e-12 6.98840014e-11 4.05561452e-11
 2.28092115e-10 9.99963284e-01 4.16995269e-13 1.74210527e-13
 7.61192498e-11 9.13241649e-10 7.56998359e-14 3.78167983e-13
 1.46009915e-09 2.65339799e-11 1.21006761e-13 2.41407887e-13
 4.20186275e-10 1.69719273e-12 5.99885155e-08 1.42181948e-12
 1.22652004e-08 8.43077344e-12 1.08493980e-09 3.26853709e-08
 3.69818027e-13 6.21397878e-10 5.61928548e-09 3.30522283e-07
 9.63247833e-14 3.24727289e-12 1.90926289e-10 1.53566031e-11
 1.31507845e-08 2.89919810e-10 5.14729405e-11 4.90691966e-11
 8.85453863e-12 8.78599222e-14 7.87138106e-08 2.41118670e-11
 8.72178632e-08 2.94917779e-09 4.26411498e-06 8.95356749e-08
 2.44455432e-12 3.04475161e-05 5.47892753e-09 2.65808751e-12
 1.37435527e-12 3.39999348e-11 1.04149989e-12 9.48447050e-12
 4.55665763e-08 6.40863317e-12 1.03703053e-11 8.50518802e-07
 3.55166677e-12 9.35618735e-11 1.66634528e-08 7.35415960e-14
 6.79203221e-11 3.97682646e-13 1.32359679e-08 1.35984321e-10
 6.58257093e-08 5.53698185e-16]


0.9999633


25


[3.66537904e-07 1.76209113e-07 3.19324900e-09 2.02789806e-06
 6.10687279e-10 5.39368017e-09 7.13826886e-10 9.03657416e-09
 1.06809441e-08 1.45954637e-09 4.07503222e-08 1.82645962e-07
 9.45718000e-07 9.40235889e-09 1.20091700e-10 6.70696707e-08
 6.54669066e-08 7.66347874e-09 4.93846031e-08 5.66750158e-09
 6.40279865e-08 3.35233068e-08 1.58454707e-08 2.50790919e-07
 1.32769635e-08 2.05285033e-07 1.88578966e-07 6.11473467e-08
 8.12003345e-05 1.10564702e-04 9.51018010e-05 3.85357234e-05
 5.34869378e-06 7.80700138e-05 3.56784185e-05 2.06075811e-06
 2.22152346e-04 2.19064100e-06 6.34567929e-04 1.67609920e-04
 5.09046717e-03 1.04148174e-03 6.49067049e-04 2.82058865e-02
 8.65096226e-05 3.93733680e-02 9.06205237e-01 1.75024457e-02
 8.97015127e-07 3.31157501e-08 2.80524400e-04 1.42856693e-09
 1.98854541e-05 8.91679690e-08 7.46747286e-09 5.46546719e-09
 4.85036233e-09 1.63937897e-09 2.38720131e-05 4.46850805e-07
 1.20627701e-05 5.03381716e-06 1.72095974e-06 3.10598054e-08
 2.17484231e-09 3.21898916e-08 5.03279693e-07 1.51305437e-06
 1.85721626e-06 8.56232589e-07 7.40159578e-08 7.40538013e-08
 4.81290613e-07 1.40094619e-06 3.51828184e-08 4.75306797e-06
 1.29445903e-08 1.93426081e-06 5.08542719e-08 1.41563498e-06
 4.33741934e-06 3.71064210e-08 1.59600813e-06 1.98062912e-06
 3.86913435e-09 1.79218858e-07]


0.90620524


45


[1.88252375e-06 2.99695475e-05 3.04531397e-07 4.73893924e-05
 2.31987207e-09 3.18442659e-07 2.23118462e-07 1.20953686e-07
 1.74550010e-08 5.84632787e-08 4.46026093e-07 5.35695790e-06
 1.35666096e-05 2.40964619e-05 8.65848904e-07 3.30119133e-06
 5.47991625e-08 3.81451429e-07 2.57521083e-06 1.11494515e-07
 1.22401502e-07 1.45482545e-07 4.57598901e-07 3.31651307e-07
 4.84417933e-06 2.90576622e-06 3.75883635e-09 1.23462951e-09
 2.09016412e-06 4.52972245e-07 2.85147053e-07 2.88449815e-08
 1.04621142e-06 6.79899449e-06 2.45377763e-08 2.07081619e-09
 2.17277939e-05 1.06416564e-06 5.09309075e-06 1.40614798e-09
 1.42667595e-05 1.18814683e-06 5.34067283e-07 2.08508864e-05
 6.57670185e-08 2.77638196e-06 3.96388496e-05 2.61772857e-06
 9.01872141e-08 4.30223643e-08 9.62577019e-07 1.44299683e-08
 6.84742736e-06 4.71738588e-07 1.32167344e-07 1.19498921e-07
 3.18223755e-07 9.68370184e-09 3.65726799e-01 3.41044654e-07
 1.37638894e-03 1.29556260e-03 1.43049210e-02 3.40573606e-03
 6.58385325e-05 5.48850745e-02 1.14067324e-01 4.00710746e-07
 8.77704770e-06 4.89180151e-04 4.37420065e-04 3.54205810e-07
 1.75078124e-01 9.83824022e-04 6.87072315e-07 6.79438049e-03
 8.37314990e-04 2.24026153e-05 9.44330618e-02 1.30861217e-05
 2.08629499e-04 2.97997826e-06 1.65291637e-01 1.06455886e-07
 8.64281802e-08 1.35605049e-07]


0.3657268


82


[7.24880829e-06 9.71575022e-01 5.93792515e-10 4.13741162e-07
 3.69808105e-15 1.88003541e-12 5.31902508e-11 1.88269392e-02
 1.07255566e-07 6.78166643e-08 2.04809867e-11 3.42354292e-06
 1.05887593e-03 6.60880328e-09 1.31190303e-08 9.29753980e-08
 6.17126003e-11 8.27708648e-12 6.87452525e-11 2.66027088e-12
 4.59052962e-10 1.31511729e-12 3.47288354e-09 9.85330662e-09
 1.79517012e-09 7.74514604e-07 3.43501682e-07 2.05724448e-11
 1.77610289e-07 3.34285892e-06 6.50005472e-09 1.48800223e-06
 4.49356594e-06 1.29301747e-09 2.00167869e-06 7.53363594e-10
 4.23011990e-08 3.00867040e-11 1.92469241e-08 3.27412153e-10
 8.89427110e-09 3.47038065e-09 4.52181137e-09 4.48670420e-07
 2.70050995e-12 1.07866871e-08 7.02085190e-09 4.11012806e-08
 1.09202397e-10 4.59792537e-10 1.93342746e-08 2.94233422e-11
 4.41399806e-09 1.76705637e-08 1.69782027e-07 1.68265346e-09
 1.13412440e-07 1.86254383e-07 1.82867680e-05 5.28352928e-07
 1.24336548e-05 6.96767867e-03 5.60505505e-05 1.19868047e-04
 4.03830563e-05 2.40066669e-07 3.31315331e-09 1.99522998e-09
 2.68012745e-09 1.80852197e-07 2.32745620e-07 1.18119431e-06
 3.35184666e-07 2.10589928e-06 1.88796756e-10 2.54512202e-06
 1.10212981e-03 1.36765579e-04 3.41248557e-10 3.59424812e-05
 2.50093404e-08 1.00798843e-06 8.34860828e-07 1.20998072e-06
 1.40295915e-05 2.67184820e-13]


0.971575


1


[4.53224357e-06 1.52307010e-07 3.39878557e-06 1.36271265e-04
 3.36923156e-09 2.02985273e-09 1.14975696e-09 1.86129164e-05
 2.92684890e-05 4.60939901e-07 5.23643244e-08 9.05679158e-08
 2.58921427e-05 4.94161577e-06 8.31835212e-10 5.84280201e-07
 1.56308924e-05 4.07127118e-06 5.37612368e-06 6.80921985e-08
 2.94970305e-05 8.07779372e-08 8.12836006e-05 7.44959380e-06
 2.20735956e-07 9.54933967e-07 4.17614065e-05 8.64684898e-06
 4.29780979e-04 1.31970393e-02 1.10566579e-01 1.51432663e-01
 1.34438295e-02 1.72291860e-01 7.46615604e-02 4.10855049e-04
 4.66802274e-04 6.89635240e-03 8.81983060e-03 2.58188080e-02
 1.06374901e-02 9.71502392e-04 6.19461806e-03 9.13614035e-03
 2.21820752e-04 7.97124347e-04 1.14158308e-02 5.57626504e-03
 1.65084042e-04 7.57693851e-06 3.63488853e-01 1.86019555e-08
 4.30444430e-04 1.01996045e-06 8.36379786e-06 3.36726771e-08
 1.62306496e-05 7.36479415e-05 2.01034527e-05 3.47318610e-06
 4.78002592e-04 4.60993091e-04 1.45307698e-04 8.28416611e-04
 3.09279858e-05 3.09186071e-05 1.51124492e-04 7.11339831e-09
 1.19750721e-05 1.10852433e-07 9.63763250e-06 1.86182465e-08
 2.60371715e-04 6.00209432e-06 1.02833758e-06 2.61644402e-07
 8.23021219e-06 9.38033592e-03 7.29876831e-07 1.09301818e-05
 8.56288825e-05 4.35961539e-07 4.37697281e-06 6.17630167e-06
 6.00324165e-05 7.05736602e-06]


0.36348885


31


[1.5058713e-05 1.1492509e-06 2.2440840e-07 2.9315318e-06 1.9406808e-10
 6.6796662e-09 3.8352116e-08 1.9452533e-07 1.3653458e-10 9.3727230e-09
 2.7617529e-07 1.0730182e-06 1.0723111e-08 6.7563943e-04 2.6512777e-07
 5.6195353e-07 1.0615496e-09 2.2636870e-07 2.7487619e-07 1.4017300e-08
 3.1150332e-08 3.3726633e-10 4.7848612e-06 5.7625500e-09 5.3163660e-07
 5.1743325e-09 1.7313636e-09 7.1937767e-09 1.8694762e-07 3.1969563e-07
 1.6061722e-06 2.6233522e-07 3.1557764e-08 2.4312343e-04 1.5710105e-08
 8.8269653e-10 1.7173309e-06 9.4348371e-07 1.1442307e-07 4.9545514e-09
 1.4622357e-06 1.0488300e-09 2.4919467e-07 4.9312157e-06 1.1221608e-06
 8.0818921e-08 4.1226299e-06 2.8978193e-05 8.2428926e-09 4.5486104e-08
 6.3201092e-06 6.2890176e-10 1.5212895e-06 4.4812946e-08 2.1849420e-08
 7.0208317e-10 1.3280075e-08 6.8965812e-07 5.6941342e-01 8.1091763e-08
 4.3551086e-06 1.4077163e-07 1.7717935e-02 1.2630386e-04 4.9502187e-08
 1.2023053e-03 2.7165881e-01 8.4782431e-10 9.9610871e-09 3.0620176e-05
 5.3914569e-05 5.5631226e-08 9.5095120e-02 1.6606675e-05 7.0103795e-07
 1.9274840e-04 5.4331207e-07 7.1667699e-07 1.4400067e-03 5.5273921e-07
 1.1840350e-02 2.5680563e-08 3.0203000e-02 1.9619408e-09 3.4173090e-07
 1.0226524e-08]


0.5694134


58


[3.90881149e-04 2.88785552e-04 2.66821030e-06 5.36865571e-07
 6.17527696e-11 4.87256600e-08 8.06934608e-08 1.55386242e-05
 1.09098585e-06 1.61892931e-05 6.42786304e-08 2.20960465e-05
 3.19574747e-06 1.35775836e-05 1.73999254e-07 2.56075491e-05
 8.31085103e-08 2.53371386e-08 3.25139439e-07 7.23780991e-09
 5.65553819e-06 9.33663546e-09 4.56640208e-07 6.92211728e-08
 2.93683286e-07 1.40074761e-08 1.10912728e-08 2.41994172e-07
 1.43711725e-06 1.22145167e-07 2.93288485e-06 6.11427211e-08
 1.97380146e-07 2.74569516e-06 9.37035438e-05 3.64735122e-08
 1.29232549e-05 5.90557761e-07 5.70357827e-07 3.74536491e-08
 1.41223768e-06 1.66975255e-07 2.08689435e-05 1.05606014e-04
 4.20647812e-05 2.75322975e-07 1.05308231e-06 2.09990276e-07
 4.49543069e-09 2.47880138e-07 3.70547423e-06 1.02062330e-07
 4.58477672e-07 3.95733923e-06 2.00917061e-08 4.04737932e-07
 3.14049601e-07 2.41750240e-06 1.09837390e-04 5.72769859e-05
 1.79866649e-04 9.90623666e-05 1.02601683e-04 3.45861568e-04
 5.42293037e-06 3.88205444e-05 6.03981316e-04 1.36951883e-06
 1.80498978e-06 3.02772853e-04 1.30806482e-04 3.98189239e-02
 1.57647440e-03 1.33470006e-04 6.83755206e-06 3.38974893e-01
 2.80549983e-04 1.02018798e-03 7.29196006e-03 9.58632038e-04
 3.46443087e-01 4.96552166e-05 2.60378182e-01 1.07886581e-06
 9.01687898e-08 1.10177773e-07]


0.3464431


80


[1.88151255e-01 6.40352350e-03 2.15566237e-04 2.02125535e-04
 6.20727025e-10 1.03153091e-07 2.08520888e-07 1.90982374e-03
 9.04190165e-06 1.07088446e-04 7.20861237e-08 8.48447497e-04
 1.86966499e-03 1.48996367e-06 2.44065586e-06 3.81094578e-04
 5.72557065e-06 6.12371005e-05 1.11765930e-05 1.34103657e-05
 2.97822291e-04 6.75593265e-06 3.28554893e-06 9.02433567e-06
 1.15478952e-05 2.86367538e-07 1.63550317e-06 8.15719904e-05
 5.97116246e-04 7.04643899e-05 6.18424499e-04 1.25815432e-05
 1.00633915e-05 1.82117976e-03 5.13670209e-04 5.15380292e-04
 2.33575329e-03 6.46943809e-05 7.27859791e-04 3.27680958e-04
 6.59131166e-03 1.39655886e-05 1.12104882e-03 1.15980785e-02
 9.59448662e-05 2.09659382e-04 1.66132217e-04 2.07385747e-03
 1.23332175e-05 2.48241690e-06 4.02789119e-05 3.16649732e-07
 4.48626728e-04 1.01590376e-05 1.16324863e-05 5.65947539e-06
 1.89888688e-05 6.59821978e-07 2.90975695e-05 1.67077442e-03
 7.64241733e-04 6.74374693e-04 1.88670339e-04 1.58257872e-01
 2.01771718e-06 8.47985648e-05 4.75244713e-04 3.07235905e-06
 1.67732162e-03 3.98507893e-01 2.51288782e-03 7.76766613e-03
 2.21760198e-03 3.66273224e-02 9.75306248e-05 1.02747761e-01
 3.52274417e-03 1.02030067e-03 3.99016356e-03 3.33168916e-02
 2.41628429e-03 3.92026959e-05 9.81669035e-03 9.21484490e-04
 8.47873525e-06 1.50846091e-07]


0.3985079


75


[3.61549719e-05 8.38201413e-06 7.13441320e-11 1.44014818e-08
 6.75556548e-14 2.69263437e-05 8.83646767e-10 4.74357165e-10
 2.16297358e-09 1.14529419e-09 1.71656890e-11 1.89028260e-08
 2.69056653e-08 1.15082443e-07 5.37325080e-11 1.56447549e-10
 2.14508009e-10 1.47256207e-10 1.62275523e-11 2.69639866e-11
 9.24939569e-11 4.63802538e-11 2.17028270e-10 1.16572821e-10
 5.78599968e-09 1.27329869e-09 3.57590216e-12 7.17241128e-11
 1.70358894e-09 9.83868875e-10 1.45700674e-09 1.99758474e-11
 2.29477437e-09 6.36890402e-11 4.64237806e-12 4.38893331e-11
 1.22076258e-07 1.28507274e-10 2.44693293e-10 2.12418711e-12
 2.79845779e-07 2.86669866e-09 5.23274402e-08 3.96224209e-08
 9.16885166e-13 2.56853774e-11 3.21248605e-09 3.25114113e-09
 1.70373021e-11 4.55856880e-10 1.30180630e-10 8.13525029e-12
 2.07708730e-08 6.94259768e-07 4.66768890e-09 6.16322660e-10
 5.27233313e-13 4.22163554e-10 2.85755914e-06 9.60926005e-09
 4.78212996e-06 2.74445067e-11 2.76303831e-02 2.86677817e-07
 4.31270974e-09 2.58883631e-07 9.54942465e-01 1.45728325e-11
 9.12014127e-12 1.24800545e-05 5.51148617e-07 3.67079012e-09
 1.73168909e-02 2.57765080e-08 8.89451360e-11 1.26166144e-08
 3.40919797e-07 3.13895299e-10 3.69512009e-07 4.99780217e-10
 4.85701790e-09 2.29183494e-09 1.53273122e-05 6.04116146e-10
 4.00567446e-09 7.03044448e-13]


0.95494246


66


[1.47693681e-05 2.60917955e-06 6.13296025e-10 2.83568835e-10
 1.86420220e-15 3.63747552e-12 2.11758708e-10 2.19729918e-05
 8.34864932e-06 8.26426003e-08 1.00277928e-11 1.56620850e-08
 3.18643265e-06 5.86791241e-11 5.06420350e-10 1.73061421e-09
 3.55307672e-09 3.14216497e-09 9.43771172e-10 7.10682763e-11
 4.38612313e-10 2.80983459e-10 3.28719774e-10 1.05846496e-08
 5.22648635e-09 3.18332383e-09 6.97630895e-08 6.84544990e-11
 1.84914256e-06 5.65913183e-08 8.44454291e-07 1.20511698e-08
 5.29360697e-08 3.15723031e-10 1.52386477e-07 1.54119171e-08
 1.13890160e-07 1.73089085e-10 1.28502968e-08 3.12421413e-08
 2.50012100e-09 3.72715277e-07 1.20052865e-08 8.38628456e-09
 2.15066246e-11 1.86422211e-09 1.10925590e-07 3.45532847e-08
 8.87509677e-10 5.34972969e-11 9.47902823e-09 2.00326084e-12
 1.02257335e-10 4.94442265e-09 2.24491998e-08 2.03488426e-09
 8.70476935e-09 1.14963726e-07 3.01666114e-06 4.80405033e-05
 9.86614916e-03 6.43748592e-07 9.15614655e-05 1.04249239e-06
 2.53811870e-02 5.11887350e-08 1.42861452e-07 2.72817076e-08
 3.95362605e-07 9.73669067e-03 1.25141269e-05 9.53471720e-01
 1.35308358e-06 2.94252150e-05 1.21958763e-08 2.47088574e-05
 4.89413680e-04 1.28011394e-04 8.63523208e-09 6.63348737e-06
 2.23608254e-06 6.47150155e-04 1.49266995e-07 2.54946917e-06
 5.61925937e-08 1.64693717e-10]


0.9534717


71


[9.83157292e-07 4.22285029e-06 4.70797672e-11 2.92760000e-12
 9.88316561e-16 1.39353784e-14 8.94194371e-11 2.73343267e-05
 4.39791756e-06 9.69507923e-08 8.22474359e-13 1.58699489e-08
 4.85277347e-08 2.19649255e-12 3.55550478e-10 7.91200508e-11
 5.18296916e-09 6.45668297e-10 2.14579043e-09 5.82691118e-10
 7.68374739e-11 8.78531276e-11 6.23887608e-11 5.87492277e-09
 1.60947629e-08 2.98036240e-09 1.13284653e-08 5.58776014e-14
 3.27632499e-08 5.72751517e-08 1.28780195e-10 7.91080623e-09
 1.41399414e-09 2.59841275e-13 4.01071674e-08 6.84330162e-11
 3.16311883e-08 7.68064085e-11 8.48517479e-10 1.06625020e-09
 5.84047186e-11 3.57624375e-09 2.24503915e-10 3.04358361e-12
 3.31648932e-15 6.72900483e-13 9.82788243e-12 1.42394041e-09
 3.92014997e-11 7.46134003e-13 1.75881365e-10 3.38537520e-14
 6.20122551e-13 1.69439809e-11 1.16795063e-09 1.27157495e-11
 2.94222452e-10 5.93009475e-10 3.91578396e-08 3.00210665e-08
 1.51710010e-05 4.96034545e-06 5.61389697e-06 7.59346896e-09
 9.99844432e-01 4.05403916e-05 1.78302512e-10 5.54410955e-13
 7.43974482e-08 3.01338986e-07 1.11285935e-07 2.49189543e-06
 8.21771540e-10 1.89126115e-06 4.01614575e-11 2.25087907e-10
 1.53610345e-05 3.15935213e-05 1.12459408e-09 1.20690691e-09
 8.57517460e-11 4.59581706e-09 5.32586961e-11 2.80440754e-10
 1.52230228e-08 8.56979960e-14]


0.99984443


64


[6.03604876e-02 9.32244897e-01 2.21567149e-07 7.07158847e-08
 6.41113161e-12 1.17661019e-08 7.25272997e-09 8.82206659e-05
 2.51697418e-08 1.10577957e-06 1.61368863e-09 5.12460101e-05
 8.26530098e-08 2.12987405e-09 5.71268743e-07 5.54419728e-07
 7.50326947e-08 7.63174199e-08 3.91892144e-07 1.05460146e-07
 8.26993318e-09 4.18429877e-08 7.68294317e-09 2.79107866e-08
 2.64640130e-06 2.33466713e-09 2.01730316e-11 2.40798131e-10
 1.35195233e-08 2.11389101e-06 1.81285140e-10 1.27166208e-10
 1.78753510e-07 5.92099850e-12 1.48762080e-09 1.33791658e-10
 2.20906131e-07 3.83112153e-10 6.60583643e-10 2.59824488e-11
 6.91850444e-09 4.69024064e-09 6.72627181e-08 2.01382222e-09
 4.14004632e-13 8.92498297e-11 9.26977592e-11 1.76717379e-08
 4.37183900e-11 6.71531060e-12 9.66788516e-09 6.09119309e-13
 3.59814095e-10 1.36644669e-08 3.37132313e-08 8.17223000e-09
 2.44677417e-10 3.46972256e-10 3.65394117e-05 1.49430441e-08
 3.99648776e-08 2.23994931e-07 6.69557508e-03 5.14728598e-08
 8.68570623e-07 2.50406010e-04 5.30262923e-07 5.09505719e-12
 1.80657012e-09 1.62503129e-04 1.04397650e-05 6.02692785e-09
 8.37899188e-06 2.17531924e-05 1.13999761e-10 1.29710898e-07
 5.49138676e-05 1.01655871e-06 3.20913749e-08 1.74685884e-08
 7.85943643e-10 5.32566491e-10 2.90445291e-06 5.26658162e-10
 7.83303093e-08 2.17457302e-12]


0.9322449


1


[3.74540873e-03 6.17569049e-06 5.19527867e-03 1.15222938e-03
 3.23655883e-07 4.55594090e-06 1.31679787e-08 2.94553342e-06
 3.27022642e-01 6.70144345e-06 1.14362244e-07 6.76866648e-06
 7.20088501e-05 1.96116716e-07 1.75105157e-07 1.22958922e-03
 9.56149027e-03 3.96070973e-04 8.16660304e-06 4.68667022e-05
 2.55988468e-03 5.52977726e-05 1.03556842e-04 1.30088802e-03
 1.53784349e-04 3.04625729e-08 6.03431981e-05 6.31962670e-04
 3.94399986e-02 3.20885442e-02 5.53803460e-04 8.10890272e-02
 6.12506119e-04 1.30028084e-01 1.67869460e-02 8.84409237e-04
 4.62614112e-02 1.79654844e-02 3.84501088e-03 4.35169600e-03
 1.70169061e-03 5.77901723e-04 2.56026420e-03 4.96036009e-05
 6.14060036e-06 2.59558990e-04 1.58936251e-03 2.54977703e-01
 1.01021247e-03 1.15535201e-07 3.28358705e-03 2.05345074e-08
 7.13722955e-04 2.74291949e-08 1.16580748e-06 1.09702654e-07
 3.75173950e-05 5.44892391e-05 3.45215347e-04 1.79417179e-06
 1.25845745e-05 2.78804451e-04 6.90887146e-06 3.89368186e-04
 1.07868320e-04 2.32841427e-04 1.09229868e-05 3.40173756e-08
 2.59340613e-05 6.64033814e-06 8.48537966e-05 1.63281886e-08
 7.43003620e-04 2.21741642e-03 6.77412936e-06 1.80548741e-05
 6.07442518e-04 4.89827537e-04 3.15428420e-04 9.96389008e-06
 1.93130086e-06 1.03012917e-06 4.61385582e-07 5.46857837e-06
 2.47848857e-05 1.08335234e-06]


0.32702264


31


[1.83765404e-02 7.23146368e-03 2.47795507e-03 2.26308475e-03
 1.65321651e-07 1.30276734e-04 9.10658514e-07 1.43898276e-07
 3.40502520e-05 5.41544864e-07 1.78884275e-05 1.36048417e-03
 3.87664877e-05 4.77991016e-05 4.52256427e-05 5.91073534e-04
 1.20772565e-05 2.49394943e-04 1.50058540e-05 4.50077496e-05
 1.05343170e-04 2.59014814e-06 1.12064148e-03 3.79726698e-04
 5.96697864e-05 1.87909421e-07 4.19311341e-08 1.12960961e-05
 2.24749328e-07 2.18242167e-06 5.98908116e-07 8.07338267e-07
 6.10527763e-07 4.95330896e-05 4.75927982e-06 3.73991952e-07
 1.41137792e-03 5.82734530e-04 1.35013011e-06 5.77899925e-07
 2.60941888e-05 1.80346527e-04 4.63796925e-04 1.46046204e-05
 1.29961165e-06 4.06911980e-08 2.63215061e-05 9.23404994e-04
 7.69388589e-06 2.47509007e-07 3.54293552e-05 5.28075326e-08
 2.79251311e-04 1.32362868e-06 1.76935225e-06 4.99871817e-07
 3.39178392e-08 4.92763270e-08 1.34846475e-03 2.86862974e-06
 8.17354419e-07 9.46859655e-06 7.09233456e-04 1.92342086e-05
 3.07616733e-06 5.22175096e-02 2.47228548e-01 2.37574866e-07
 5.03430465e-06 8.70851218e-04 1.57134456e-03 2.53322833e-06
 2.21376926e-01 2.12962696e-04 5.40642122e-06 3.53837549e-03
 2.80432927e-04 7.61955448e-07 3.25211734e-01 2.52325226e-05
 6.58311648e-04 1.52042403e-05 1.06040128e-01 3.48877563e-07
 9.44913882e-06 6.78448544e-07]


0.32521173


66


[2.44629264e-05 2.41161848e-04 1.58936700e-06 1.62248471e-04
 1.38861844e-09 2.36063453e-08 1.05229537e-06 7.73218107e-06
 2.24319971e-04 2.34628146e-06 4.64333390e-08 9.98922496e-06
 5.39222732e-04 1.60586680e-07 1.16601962e-06 1.34367665e-05
 3.55988814e-05 6.03370245e-05 6.57729543e-05 1.36546405e-05
 2.25358977e-04 5.60446497e-05 2.04264252e-05 3.27605921e-05
 2.08455949e-05 5.46410149e-07 3.18753291e-06 2.40035007e-07
 1.13007822e-03 1.86531382e-04 1.29115608e-04 1.78828111e-06
 3.75512827e-05 7.42828979e-06 5.03307059e-02 6.35619563e-06
 2.05272401e-04 3.87469845e-05 5.01520071e-06 2.16826782e-04
 3.85512067e-06 2.22030605e-04 2.20459533e-05 5.71876001e-07
 3.76440244e-06 1.00606360e-06 7.81541865e-04 2.04853524e-04
 1.52810717e-05 9.05721436e-08 2.46468815e-04 4.65668881e-09
 4.16521470e-05 3.10413355e-07 2.11977973e-08 2.12746869e-07
 4.29039937e-06 7.68314123e-07 5.08723373e-04 1.93363536e-04
 2.17575813e-03 2.28546080e-04 4.67360718e-03 1.64730824e-04
 2.14344949e-01 1.68548012e-03 2.57279188e-03 4.78672737e-05
 3.06503382e-02 3.43309008e-02 6.05485821e-03 9.49835628e-02
 8.37835687e-05 8.11381340e-02 1.05168391e-03 3.48969609e-01
 1.68590937e-02 8.22525064e-04 4.59279157e-02 1.01208827e-03
 9.45526845e-05 4.33528284e-03 4.90996949e-02 2.38195132e-03
 1.62301845e-07 1.36396849e-07]


0.3489696


64


[5.0804357e-04 3.4679062e-04 5.5390882e-07 1.0875639e-05 2.8586643e-11
 4.5371373e-09 1.1445635e-06 1.1531654e-06 2.0687332e-06 1.7014122e-07
 4.5569857e-07 2.3001254e-05 1.3918608e-03 5.0910302e-07 9.1502452e-06
 2.3230909e-06 4.9328435e-07 1.2071893e-06 1.1419266e-05 4.4057751e-06
 2.2754484e-06 4.6766309e-06 7.6114220e-06 2.6894872e-06 1.6249185e-06
 6.1193703e-07 1.4390152e-07 4.7703065e-08 8.4154439e-05 1.0194683e-05
 5.9276709e-07 1.7037848e-08 2.7932484e-07 6.4081384e-08 3.7287791e-05
 2.0581933e-08 5.5641988e-07 6.0042716e-08 3.7342483e-07 5.9146691e-06
 2.4609739e-07 6.5377193e-08 4.2256630e-07 5.1953248e-07 9.1868891e-08
 5.2571544e-08 1.1175695e-05 6.1470460e-06 4.2439154e-08 3.8287067e-09
 3.7921754e-07 3.5289852e-10 5.5475624e-07 4.2960547e-08 2.6969241e-07
 1.1558601e-07 6.2938295e-07 6.2210823e-08 3.6426729e-03 2.1167828e-02
 1.1891515e-04 5.4696662e-05 7.8499421e-02 3.5529296e-04 4.5850378e-05
 1.3857827e-03 2.7313026e-05 4.6704776e-07 1.5590059e-02 3.0504835e-01
 1.9231077e-02 2.5564183e-02 1.2875572e-04 4.5964739e-01 5.2346974e-03
 5.2754447e-02 1.0938540e-03 4.3672093e-04 1.2472913e-03 3.0273821e-03
 5.1074774e-05 1.1887479e-04 2.9030582e-03 1.2760653e-04 1.2680756e-06
 1.2165864e-08]


0.4596474


73


[7.94920325e-01 1.45875546e-03 1.64480537e-06 2.26304128e-05
 4.52532387e-11 4.92415857e-05 4.63397178e-08 9.92614346e-08
 1.01025410e-06 5.87893282e-06 5.18437986e-08 7.60027833e-05
 2.20834540e-04 9.93269805e-06 1.33397378e-07 1.18808384e-06
 4.29687543e-06 7.30392813e-08 6.27598240e-07 5.45780267e-07
 2.13419912e-06 2.24663063e-06 1.77836791e-05 5.42976295e-07
 7.88842772e-06 3.41684569e-07 2.13878533e-08 1.03484055e-07
 3.02317034e-07 1.04362394e-08 6.87670454e-09 2.96987235e-09
 6.92302365e-07 6.92847202e-09 7.82718814e-08 5.67531633e-10
 5.50956258e-08 7.44934514e-09 1.71971669e-06 2.46908027e-09
 1.41825160e-06 1.98196961e-08 2.42544820e-06 1.14062686e-06
 5.63325664e-10 1.52476467e-08 1.22574284e-06 2.22074664e-06
 9.78555725e-09 4.77645568e-09 1.07634568e-08 3.87652621e-09
 2.06159848e-06 3.25463334e-05 2.98605499e-07 1.26543569e-07
 1.29087653e-07 2.14741959e-07 3.30405164e-05 4.81296302e-05
 1.45331001e-06 4.76261235e-08 2.28920542e-02 1.81161670e-06
 1.42053050e-05 1.35681175e-05 1.08530615e-02 3.43145845e-09
 2.98487475e-06 1.81587460e-03 1.35473549e-01 2.61900846e-06
 3.76777723e-04 5.20047441e-04 2.56875755e-05 3.42995569e-04
 1.87319511e-05 1.03233848e-03 2.56035673e-05 2.03607769e-07
 8.70457279e-06 1.55447722e-07 2.96404567e-02 6.88538364e-08
 4.83229587e-06 1.34644929e-09]


0.7949203


70


[3.8558459e-01 1.7143089e-04 2.4576275e-07 3.6828223e-07 3.5750305e-12
 7.2301425e-02 2.5919624e-09 5.0776632e-09 4.5921976e-07 1.0444040e-07
 5.0863314e-08 1.8581585e-07 1.2303067e-06 1.7417752e-07 1.1158667e-07
 2.5763589e-08 1.6682000e-09 3.2072589e-07 3.0422484e-08 4.4201432e-08
 6.8049100e-09 2.4871584e-08 2.4507946e-08 6.8504629e-09 2.8368356e-07
 2.7170234e-08 6.1260224e-09 3.7029864e-08 3.0705862e-06 4.2094661e-09
 3.1955061e-08 2.1764104e-10 1.8406929e-08 3.1175060e-09 5.4769793e-09
 4.1668272e-08 2.5966845e-08 4.1613152e-08 2.9405282e-07 4.5364351e-10
 8.5775224e-05 9.7912602e-09 1.2742809e-05 3.2722790e-05 1.5855724e-08
 1.7776063e-09 2.1300996e-06 5.3255008e-06 1.1640718e-09 1.1388815e-09
 3.4616768e-08 3.8757805e-10 4.0227064e-06 1.1963284e-07 9.0695051e-09
 1.8783072e-07 1.5294199e-09 1.1483297e-07 3.9434919e-01 1.2085804e-03
 1.3121962e-06 6.0786500e-09 1.4142263e-01 3.9305043e-05 8.8253219e-06
 4.4966686e-07 2.1668353e-05 3.2233631e-09 2.6957155e-11 2.1922239e-04
 1.3051872e-04 1.2299295e-05 1.6576305e-03 1.7642575e-05 8.0117229e-07
 2.3052691e-05 1.5009701e-07 7.4242493e-08 1.1358907e-03 1.7797172e-08
 4.1496091e-06 2.6894108e-06 1.5353812e-03 1.3467208e-08 4.5699429e-07
 2.2453964e-08]


0.3943492


58


[6.19173469e-03 1.34708534e-06 5.97647499e-07 2.63499833e-10
 7.50710204e-13 1.39017775e-08 3.77227333e-10 1.13390364e-07
 3.21892207e-04 6.56393695e-07 2.60566124e-10 1.07980293e-06
 1.50022197e-06 1.45506510e-10 8.95060381e-08 4.14959595e-06
 3.31866204e-07 1.93593195e-07 1.48918673e-07 3.42044387e-07
 1.28387569e-07 6.47087646e-08 1.75943967e-07 4.92707599e-08
 5.35136202e-08 5.47315828e-08 7.84841703e-09 2.36853566e-07
 3.24889311e-06 7.68659874e-08 5.60637432e-07 4.39034498e-09
 1.82134730e-09 1.85459506e-08 2.33432820e-06 8.57291798e-06
 1.17826789e-06 8.31599607e-07 1.82261417e-07 2.13104204e-06
 3.04892228e-06 1.19642635e-07 2.69162285e-07 4.55280684e-07
 5.24442498e-08 4.86124740e-08 3.06678999e-06 1.68757686e-06
 2.66985278e-08 1.10646221e-08 2.65881113e-07 4.99276939e-11
 1.54890813e-07 2.29139707e-10 1.18555379e-08 6.90126444e-06
 1.88131217e-08 1.28815163e-08 1.16127774e-08 1.99501210e-06
 4.54287431e-07 1.61614173e-06 1.51769981e-07 2.53217962e-07
 2.27295095e-05 3.76415521e-08 3.03024095e-09 5.30138919e-08
 1.03961402e-05 5.37549931e-06 2.77082768e-06 9.93178248e-01
 5.62389024e-09 3.37683264e-06 1.92884545e-06 1.32001791e-04
 3.96650175e-05 2.03854938e-06 9.88657666e-06 6.13673592e-06
 3.20676861e-07 8.36348534e-07 6.70486270e-06 1.18168155e-05
 9.87219323e-07 4.91118879e-09]


0.99317825


71


[9.97088134e-01 2.68551032e-03 3.33576544e-08 7.47745261e-08
 7.73116702e-15 1.36886172e-07 1.19672564e-10 1.25580220e-06
 2.88732878e-07 2.56508656e-07 3.71698454e-14 7.89974547e-06
 2.32548530e-07 4.79018547e-10 1.97808045e-08 4.49127100e-07
 8.91278717e-11 3.21943561e-09 1.43634188e-10 5.23114707e-08
 6.50483722e-10 6.55282939e-10 4.31426450e-09 5.38362732e-09
 1.10787273e-08 5.14986631e-09 9.98537586e-10 1.04110887e-09
 3.26735062e-07 2.49917302e-05 1.49604040e-09 2.21287766e-09
 5.59946400e-09 4.88828922e-10 9.32222051e-08 8.27357738e-09
 5.76333203e-09 8.36162517e-09 2.35582065e-09 4.47038273e-09
 2.32116690e-07 2.13575841e-11 4.51236520e-10 7.05864181e-07
 5.10411768e-10 2.31210537e-10 1.33816883e-07 3.23256359e-07
 8.72672212e-11 1.02890707e-09 2.14025841e-09 2.65074150e-13
 2.12931059e-08 1.43981993e-10 8.41978789e-08 9.19964009e-07
 2.52433341e-09 1.37468144e-08 2.81238476e-06 3.10036455e-07
 2.29444410e-07 4.63132756e-06 1.69449660e-04 1.28497533e-07
 1.72746354e-07 4.19405266e-09 6.65599631e-10 8.57093042e-12
 8.06708533e-10 2.40355131e-08 7.34416403e-08 5.81620361e-06
 2.50871379e-10 1.81784969e-08 7.14543713e-09 1.08659375e-08
 9.40883922e-08 9.20405263e-09 1.59415343e-08 2.82445455e-07
 1.20625709e-09 6.81871087e-11 4.64000379e-07 1.33446486e-06
 1.86668228e-06 1.08384276e-12]


0.99708813


0


[5.8308276e-05 2.3361542e-07 6.9677963e-10 1.5368222e-08 8.2883075e-12
 9.9973577e-01 8.4499303e-11 4.0268771e-11 4.0364949e-08 1.2424070e-09
 3.7706765e-11 6.3820139e-08 5.5898424e-09 6.5140942e-09 8.6158591e-09
 4.1481987e-09 1.5021374e-09 6.7034918e-08 1.4201182e-10 2.4759364e-08
 3.4998210e-10 2.0036464e-10 9.5144070e-10 3.7511900e-09 9.0708570e-09
 1.5393274e-08 1.1390131e-11 5.3211713e-10 1.4520378e-07 6.2326414e-08
 3.1110070e-10 7.8697590e-11 2.7821128e-09 3.2901128e-09 1.2908717e-09
 7.1137971e-09 5.4738996e-09 1.5430173e-07 5.4884030e-08 4.8664517e-09
 1.2766611e-04 2.2240330e-09 1.0917871e-06 1.4028835e-05 8.8602626e-08
 1.3164148e-09 1.5297734e-05 1.3785613e-05 1.9604715e-10 6.1494518e-08
 5.4028648e-10 1.0385046e-11 7.4508857e-06 8.0966213e-11 3.4805108e-09
 4.5002967e-08 1.4389957e-12 3.6203102e-10 5.4024117e-06 9.2545633e-09
 7.4878558e-06 1.2153594e-09 8.1960679e-06 7.0108626e-08 4.8393130e-09
 5.4369917e-09 2.7611376e-08 1.5374325e-11 3.2492414e-12 1.9361324e-09
 2.9975851e-09 4.2514070e-10 5.5297505e-08 1.6382037e-10 1.9735134e-09
 4.9125476e-10 9.4579607e-13 1.2947308e-09 1.4515317e-06 1.6533781e-10
 1.5299162e-09 3.2122105e-10 1.3156894e-07 1.4297555e-10 2.4655453e-06
 1.8956815e-12]


0.9997358


5


[6.8161403e-06 9.9986565e-01 3.3725605e-12 7.9939694e-10 7.6278758e-16
 1.0193707e-05 1.2953967e-11 2.7737931e-10 5.1711579e-10 7.3360851e-10
 3.4744820e-13 5.0168145e-09 5.7919510e-07 8.3215150e-11 1.3813553e-09
 6.9701536e-13 2.0482230e-13 2.1687511e-12 2.5035412e-12 1.1525666e-12
 8.7308875e-12 4.0176982e-13 8.9035637e-12 1.5230756e-11 5.0270586e-11
 1.1373307e-04 1.0855432e-14 1.2093497e-13 9.0627955e-10 1.0862046e-09
 3.5861825e-13 5.5612758e-14 4.0079112e-08 3.3493656e-13 3.4509892e-13
 2.5484337e-12 2.4266601e-11 8.1118298e-12 2.6522654e-10 4.7112044e-14
 4.4981076e-07 6.7782664e-09 2.8478557e-09 2.4737231e-08 1.1086947e-14
 9.0921292e-13 1.5027969e-09 3.1916134e-09 6.8266708e-14 1.9521823e-12
 1.1399023e-11 7.8955419e-12 5.7881899e-09 9.8157549e-10 8.4600513e-09
 8.2481660e-10 3.4027429e-15 2.9669674e-12 4.7207624e-08 1.4591096e-10
 1.8149271e-08 3.3747241e-11 1.9441509e-06 3.3289838e-10 5.4209193e-10
 6.1343970e-09 1.3993554e-10 3.2744885e-12 8.2389824e-14 1.3336848e-08
 5.1876437e-11 2.5365696e-10 3.0184943e-08 5.2559370e-11 6.1254192e-12
 1.2545404e-08 1.7036667e-11 6.0054972e-13 3.3254250e-09 1.1329417e-12
 5.1213972e-12 9.8148841e-12 2.1005460e-09 1.4136493e-09 3.1521898e-07
 1.2658974e-16]


0.99986565


1


[1.87914173e-09 8.45142196e-08 1.20328331e-10 1.57863826e-11
 1.72407146e-13 1.18983690e-09 9.05348452e-12 7.70323472e-10
 8.27602609e-09 1.21477585e-11 1.55008547e-13 3.17061308e-12
 1.01518030e-08 3.73062942e-10 2.21761108e-12 1.38998812e-10
 1.52206709e-07 9.89656979e-09 1.84887228e-09 6.66810718e-10
 9.72543934e-10 2.12348183e-09 5.89768234e-11 5.50122525e-09
 9.44356593e-10 1.66298253e-10 1.63661478e-12 1.16578003e-09
 1.17931959e-05 4.59733627e-07 4.96324581e-09 1.19298093e-07
 9.20899879e-07 5.69286440e-09 5.92819527e-09 1.38019431e-07
 7.61134459e-07 8.27358306e-08 2.52266528e-08 1.45914646e-06
 5.84166773e-05 9.99821126e-01 8.69111100e-05 5.72709439e-07
 2.65507372e-09 2.48322010e-07 8.22938273e-06 2.24619043e-06
 6.51126764e-10 1.18492174e-10 5.94877065e-07 3.52012083e-12
 1.54163826e-09 1.15830918e-08 9.04109981e-11 4.40367742e-10
 1.37603701e-13 2.24977051e-10 2.52642440e-09 7.42959472e-10
 5.47916201e-09 2.56817085e-11 2.06713469e-09 6.30495448e-11
 2.18157575e-10 2.55686115e-11 1.25079258e-09 1.88577309e-09
 7.88937138e-10 8.30387421e-08 4.25461721e-10 3.51298990e-09
 5.43492388e-06 2.07290718e-09 1.07358136e-10 6.93413460e-09
 1.03140198e-10 2.11647944e-08 4.46889574e-11 3.87590342e-11
 1.02088660e-09 1.56189461e-09 5.21297241e-11 1.01424880e-09
 2.00799544e-10 7.11809908e-12]


0.9998211


41


[1.08370135e-09 6.03957240e-09 3.38456802e-12 1.01555257e-10
 1.71753819e-14 6.26730978e-09 3.78160558e-11 6.41040227e-14
 8.55002375e-13 2.09748972e-12 5.63735419e-13 1.97468859e-14
 2.58886634e-10 2.04901873e-08 1.47647216e-12 2.92928962e-12
 6.73822413e-12 4.49770646e-13 1.37783600e-12 1.59067732e-13
 8.37702168e-14 2.04945652e-12 5.24959590e-12 1.42276070e-13
 1.73062554e-11 2.70616099e-11 1.17205365e-16 3.93284919e-14
 3.68650532e-09 2.29659729e-11 1.00162913e-13 6.20544675e-12
 2.98204551e-11 1.16397582e-12 3.41845536e-15 1.74586135e-13
 7.85746046e-09 2.71825986e-12 2.23212948e-10 4.15944236e-14
 5.54434045e-08 1.70915897e-07 2.95858804e-09 5.82760817e-09
 3.06890281e-16 7.58845833e-11 1.39184983e-10 7.60005481e-09
 1.06707300e-13 2.01296878e-13 8.24607136e-12 1.59009579e-12
 2.03460235e-11 9.76244241e-09 1.36206497e-11 3.79295206e-12
 1.09258614e-17 6.53991011e-12 6.85776058e-07 3.38894954e-11
 7.54399529e-11 8.16178519e-14 3.87630109e-07 1.94872229e-10
 5.58065660e-12 7.89488510e-08 5.78459037e-07 1.22126667e-14
 1.83401691e-14 1.49507741e-07 2.43889436e-10 9.96437091e-13
 9.99997973e-01 1.64953676e-10 6.54479888e-13 1.90451810e-09
 9.93821359e-10 4.48189930e-09 8.24356361e-10 8.67492266e-15
 5.12457243e-10 6.08920466e-13 9.68151448e-10 2.72509896e-14
 1.12937415e-12 3.76794136e-14]


0.999998


72


[3.0578484e-11 2.4595341e-12 4.1152907e-13 1.2269450e-13 1.0110887e-15
 5.6820725e-14 1.9629697e-12 1.4529178e-09 5.2827748e-10 2.4316228e-11
 1.1476388e-14 1.9753856e-13 8.7450595e-11 1.6567494e-11 1.0672521e-12
 1.0447633e-11 3.0638397e-10 1.7479181e-11 4.5303487e-11 7.2204943e-13
 2.7860182e-12 2.4359398e-11 3.5851528e-12 7.2372781e-12 4.8234052e-11
 2.5369208e-12 5.0575199e-14 1.1237453e-13 5.4208898e-10 8.7319807e-10
 1.1111223e-12 1.4056650e-08 7.6194197e-11 8.5687169e-12 5.7737076e-11
 1.6184981e-10 6.3927146e-08 5.0024398e-11 4.1583387e-10 4.1106216e-10
 5.3976166e-09 1.4241041e-07 1.4727863e-09 7.5307838e-10 6.3076004e-13
 1.1088649e-09 5.8376012e-11 7.8046112e-09 1.7497551e-12 2.2065548e-12
 8.7378230e-11 4.6549949e-14 3.7450644e-13 2.6943928e-10 1.9533550e-13
 4.3960885e-13 6.2843001e-14 6.4249905e-10 7.4598008e-11 2.9537192e-10
 1.2696565e-07 2.5465017e-11 3.9844170e-10 2.5907768e-10 1.2740325e-07
 2.1558615e-10 4.5852246e-09 5.4587650e-12 9.4058747e-11 8.0957264e-08
 3.7106138e-10 6.0886137e-08 1.3587477e-08 1.3060482e-10 1.5766898e-11
 1.6923206e-09 1.0813593e-09 9.9999940e-01 2.1978400e-11 4.6123364e-13
 3.1718926e-08 8.5257967e-11 1.7569127e-11 2.5697559e-11 6.7851389e-12
 1.6179125e-13]


0.9999994


77


[1.0010540e-10 1.9880616e-12 1.5909476e-13 1.7958052e-14 2.7256109e-16
 2.6136263e-16 3.8626617e-15 2.6155378e-11 4.9888522e-12 6.3300849e-12
 7.5678904e-15 2.7457549e-14 1.2113037e-13 3.6791668e-12 3.5387277e-15
 5.3033153e-13 2.7835300e-11 9.5386231e-13 2.6296914e-13 7.2854862e-14
 2.3281949e-14 1.3959669e-12 2.0022521e-12 4.8874701e-13 7.1895810e-12
 2.2468704e-14 3.6018562e-13 1.6138004e-15 6.6139511e-11 7.2438597e-11
 7.0935716e-14 2.7020264e-10 2.7702805e-13 8.7230709e-12 4.9005432e-11
 6.6869063e-13 5.0080778e-10 1.3987280e-12 2.6811766e-11 5.6873508e-12
 7.3567409e-11 9.2062372e-11 1.3830264e-11 4.9526451e-12 1.0893018e-15
 3.4168900e-12 4.4922543e-13 1.4112392e-09 9.2989974e-14 3.6311845e-14
 2.3371927e-13 4.6932566e-16 2.1068581e-14 1.8561846e-14 9.7776003e-15
 2.6764436e-16 2.9931341e-15 2.2597556e-10 1.8787557e-11 9.1911088e-12
 4.7266427e-11 5.0831947e-12 4.7431153e-11 5.7589484e-12 3.1491620e-08
 8.0008861e-10 1.1773728e-09 3.9400309e-16 1.8229713e-11 1.7843539e-10
 4.4201612e-10 3.9589037e-11 1.6833108e-09 3.2255351e-11 3.0428831e-13
 5.9961395e-13 1.0363647e-11 1.0000000e+00 3.3564926e-13 2.1612177e-15
 3.7250394e-10 3.3020594e-14 3.3248567e-13 1.1019745e-14 8.0028086e-14
 7.1875819e-15]


1.0


77


[1.04237053e-11 3.19432306e-13 3.48958093e-15 9.96606514e-15
 9.16606798e-19 3.96515546e-12 5.62244275e-14 1.34045531e-16
 1.24855065e-16 5.12070592e-15 1.33018181e-15 5.86578588e-17
 3.37972880e-15 4.46083670e-10 3.31379935e-17 5.65434811e-15
 1.70455555e-13 2.73837684e-15 4.15052762e-16 1.30463794e-15
 2.04635410e-15 2.30503225e-13 5.46561928e-12 5.21544920e-16
 5.34674388e-12 3.10708117e-14 2.92925202e-17 3.14784945e-16
 1.00015990e-14 1.94421611e-15 8.14011037e-17 1.89266733e-17
 4.19080900e-17 5.49960440e-16 2.79564515e-17 3.94891855e-17
 1.62985764e-10 3.59999709e-14 2.59389068e-14 5.75876111e-18
 4.48821293e-11 4.36507672e-15 1.94247965e-13 1.89381345e-12
 1.38486884e-17 3.20752372e-16 1.15829536e-14 1.47002584e-11
 9.24251965e-16 3.46229291e-15 3.96847811e-15 5.12252526e-14
 8.58393489e-14 9.85683516e-15 6.45014994e-17 4.14098691e-18
 4.00498467e-19 2.00010811e-13 7.09538339e-09 1.89876015e-13
 2.30980838e-12 3.71497798e-16 1.04600428e-09 6.71313591e-13
 6.62831064e-13 1.24296013e-08 9.99999166e-01 5.03619850e-17
 3.98564868e-17 2.06412110e-10 1.22410651e-10 2.87549828e-11
 8.39386360e-07 7.72071805e-13 3.03777440e-15 8.77630087e-12
 1.76273596e-11 1.94654604e-08 2.61271116e-09 3.86898048e-17
 3.81249676e-12 1.65284537e-14 7.38805728e-09 1.30895779e-18
 6.35172057e-18 3.33485183e-16]


0.99999917


66


[2.88446211e-10 5.85669069e-10 9.38580374e-16 3.75141914e-15
 3.25058797e-21 8.27192810e-15 9.97172858e-14 2.01958914e-12
 7.40589118e-11 1.89170068e-11 5.38677786e-14 1.15062726e-14
 2.86403280e-12 1.71034866e-12 5.37928229e-14 8.09434984e-14
 3.51403239e-14 3.39377743e-14 4.64982072e-16 4.85415789e-16
 6.10320061e-15 1.13380866e-14 4.89743055e-12 3.16935775e-14
 4.04527106e-12 4.76665755e-12 9.63994713e-14 5.79130084e-16
 4.24947837e-12 2.94261116e-13 2.40591069e-14 1.14800927e-15
 3.26368147e-15 2.51300646e-16 8.89127706e-14 7.53024284e-14
 2.55093724e-11 5.19291505e-15 2.17858958e-14 6.78880170e-14
 4.86030096e-12 6.62134627e-12 4.58338947e-14 2.72858467e-14
 3.16444643e-18 1.11571008e-16 5.07662150e-14 2.51772908e-11
 3.17175108e-15 1.37598554e-15 4.45324082e-14 5.54444686e-16
 8.15322204e-16 3.57073727e-15 5.60613974e-14 7.51726664e-15
 2.03544236e-14 2.80496765e-10 1.26265021e-09 7.04872938e-10
 1.58151252e-08 7.66507604e-12 4.96818942e-09 2.32930949e-11
 4.61147692e-06 4.37306545e-11 8.60472369e-08 8.47268287e-14
 1.28772496e-14 1.90183980e-09 9.87170168e-09 9.99994516e-01
 3.52105234e-09 1.02753570e-10 1.33828495e-13 4.43538273e-09
 7.07489045e-09 6.59047430e-07 6.76488657e-11 2.03596376e-13
 4.28056562e-10 6.10727469e-08 6.18133722e-09 7.40702394e-14
 1.49166663e-13 1.44607397e-16]


0.9999945


71


[2.89056756e-09 1.69210441e-08 3.81216461e-14 1.59576576e-13
 5.40845137e-18 2.63524788e-16 1.34527679e-14 2.14137463e-09
 1.82169657e-08 1.72518014e-10 7.77656978e-16 8.46479729e-16
 6.27141958e-12 4.46785959e-14 2.07731011e-12 5.45806239e-13
 4.42981797e-11 3.96399753e-12 2.29412355e-13 5.57183152e-13
 1.21510950e-12 1.60366227e-13 1.68153428e-13 1.59424331e-11
 1.21178423e-11 4.66535274e-12 3.13394782e-10 9.94388474e-15
 5.17410914e-09 1.05652639e-10 5.74980563e-10 4.06870843e-10
 7.84976043e-11 1.33824213e-13 2.43415439e-08 5.06500640e-11
 3.04719826e-11 3.11242351e-11 1.59924088e-11 1.34065356e-10
 3.44745427e-10 2.24713093e-09 1.10393303e-12 2.48156584e-13
 8.88752232e-17 5.79793798e-15 1.13190685e-12 2.01294128e-08
 1.03168483e-12 7.86089181e-15 2.94845329e-11 6.60280645e-17
 5.65283971e-14 1.66189301e-13 5.29989733e-11 9.37868761e-16
 1.42119649e-10 8.23552504e-10 1.26554911e-09 3.49863784e-11
 2.21823004e-08 3.84783760e-09 4.93323515e-09 3.18507200e-11
 9.99998927e-01 5.58524107e-08 2.83799649e-13 1.13243045e-14
 9.41774870e-12 6.23327887e-13 3.61858217e-11 1.76398018e-07
 2.83994876e-11 5.50358958e-09 1.05952146e-13 4.83743667e-14
 7.05592313e-08 7.09238520e-07 6.83560955e-13 3.94712041e-12
 4.32171399e-12 1.61492442e-09 2.06238591e-13 4.98832399e-12
 5.35120776e-13 1.75743693e-16]


0.9999989


64


[1.48602608e-09 9.30985511e-10 2.25169796e-12 1.14320039e-13
 2.60610100e-14 4.46161391e-13 1.01734697e-11 4.25291313e-12
 1.69377221e-11 1.13587239e-11 8.62574498e-13 3.51897466e-13
 6.94870485e-13 2.75918816e-10 4.36638642e-11 1.10009044e-10
 8.05053002e-09 6.10604123e-10 5.06254656e-11 9.40650891e-10
 1.59736793e-10 3.28418182e-10 5.89552920e-11 5.60388923e-11
 7.35137284e-09 1.19857162e-12 1.45386101e-12 8.81726807e-14
 1.46781858e-11 3.76749153e-12 2.89626725e-11 1.31292876e-11
 1.78463621e-13 5.23459661e-12 7.65838504e-10 6.15573304e-12
 1.43186398e-07 8.11414602e-10 2.47058320e-12 1.56907560e-11
 2.67548095e-10 4.54300868e-11 3.81660849e-12 1.39243665e-13
 1.49493099e-15 7.38958828e-15 5.33146964e-12 4.87519287e-07
 4.73510398e-11 2.71892128e-13 2.05561488e-11 1.23077506e-13
 3.52507606e-12 1.02905145e-13 4.21106899e-12 1.20467143e-14
 5.00553700e-13 1.44809702e-11 1.46497143e-07 1.72260903e-11
 1.56443275e-10 3.79060949e-11 8.10613354e-10 1.94885063e-11
 6.89884700e-07 9.99995708e-01 7.42929771e-08 2.97076511e-14
 4.71818473e-10 7.61734620e-10 1.46772982e-06 1.47813073e-09
 1.79969760e-07 6.97766552e-07 7.30001216e-12 3.84540576e-12
 2.55312962e-08 1.61126408e-07 6.63570461e-08 8.94378159e-13
 2.65482063e-11 6.64360011e-10 9.17282972e-10 1.95547534e-14
 7.14290687e-14 2.19417193e-14]


0.9999957


65


[2.3181896e-09 1.2755633e-07 2.1485721e-13 3.6626340e-12 3.0509151e-19
 1.4947444e-13 7.1300984e-14 9.3059201e-16 7.1645099e-13 4.4254392e-14
 3.9648315e-16 4.1044925e-15 2.7046468e-12 1.4247276e-11 1.1251631e-13
 5.5343615e-13 1.0564442e-14 8.1873324e-15 9.4749639e-15 2.5019085e-13
 3.9187425e-13 6.0222395e-15 3.1352754e-11 7.9364727e-13 7.3903886e-12
 6.0479128e-14 4.6435011e-15 1.1103283e-15 4.2409430e-11 7.6212295e-13
 1.5833605e-13 7.6351720e-12 1.8418487e-13 1.9200036e-13 8.0187683e-11
 2.2029184e-15 7.1622530e-10 2.3302299e-13 6.6874573e-15 1.0000295e-16
 7.2506503e-09 1.8980194e-16 1.7444741e-15 4.9654972e-12 9.5179132e-18
 3.1503821e-18 1.8814145e-12 8.0051565e-10 1.4884440e-15 1.1944749e-16
 2.3993237e-14 1.9665945e-15 1.4848657e-11 3.4994885e-14 1.2241004e-13
 3.5324374e-17 1.0528394e-14 5.1761876e-12 9.9999952e-01 1.9967042e-10
 1.3051146e-10 1.3649311e-10 9.8951087e-09 2.1763373e-10 4.9936821e-10
 9.6591855e-08 3.2348646e-09 1.5150300e-15 2.3781886e-17 9.0180391e-13
 1.7769095e-07 2.3836534e-12 1.3725949e-08 1.0399258e-08 4.2319192e-14
 7.2205165e-11 6.4288036e-10 6.2629719e-12 1.6514834e-08 1.1103432e-11
 2.2286170e-12 1.8113492e-11 5.0702414e-10 3.0644606e-17 6.0323103e-15
 1.5122808e-16]


0.9999995


58


[3.57209639e-12 7.57729657e-10 2.36603358e-12 1.53870826e-13
 3.71555932e-17 9.68431403e-15 3.87622985e-13 2.57884778e-13
 9.67790344e-12 2.31785077e-12 1.88288123e-14 7.67629363e-12
 1.69520769e-11 4.79148351e-13 7.24116608e-14 6.59678649e-12
 3.89464225e-11 1.00973385e-12 1.18064022e-12 4.79830802e-12
 8.12691841e-12 3.71617841e-12 1.03207745e-08 5.07325562e-12
 3.31000227e-11 5.24198325e-15 1.72623309e-12 6.54461574e-15
 5.06230203e-13 6.08748902e-12 2.65056884e-13 7.02411870e-12
 8.86575752e-13 1.02257104e-14 3.44338280e-10 9.39606787e-15
 6.71076666e-11 1.01973237e-12 7.57956848e-13 2.11755079e-13
 4.02538669e-09 1.45414361e-13 3.78024333e-14 4.02395605e-14
 4.84824507e-15 4.84471135e-16 7.34258683e-13 1.26034405e-10
 9.08823310e-13 6.81852459e-15 4.79912673e-14 4.89146050e-13
 4.21182533e-12 3.28679833e-16 1.20293462e-16 1.08956277e-16
 2.12617115e-13 2.30286502e-11 6.51529319e-09 8.63150884e-09
 5.44756329e-09 1.22706900e-10 8.72569812e-12 1.21067698e-10
 5.23845101e-09 4.72896344e-09 4.84796381e-09 1.48327173e-12
 4.20468955e-12 1.34883146e-10 9.99999762e-01 4.34518341e-08
 1.69543737e-11 1.14758869e-07 4.31374797e-11 5.61091694e-11
 3.26560756e-09 1.56525759e-09 1.01920406e-07 9.34033233e-12
 4.98505577e-12 5.30043254e-09 7.91393795e-09 2.10162300e-15
 1.94112621e-16 1.11605332e-14]


0.99999976


70


[2.9763757e-07 9.9999928e-01 1.5324852e-11 5.4661831e-12 3.4938484e-20
 8.7620471e-13 4.4061844e-14 2.2888949e-11 7.5487838e-11 1.5926582e-10
 1.9334310e-17 9.2828606e-11 2.4689142e-09 5.6419013e-13 2.5577448e-12
 1.5871314e-12 7.6870332e-15 4.7211427e-15 4.3804339e-14 1.7729682e-13
 1.3259537e-12 2.1366171e-14 2.9408368e-12 6.0642966e-12 1.5052511e-11
 4.2079226e-11 3.0235287e-13 4.9900405e-15 3.7425039e-11 2.3084224e-11
 2.8569955e-13 2.4190861e-11 1.3507422e-12 1.0065634e-14 4.2924473e-11
 6.6783005e-16 1.9057105e-11 1.9811663e-13 1.3571952e-13 1.3365195e-15
 3.7147171e-08 5.8513968e-16 7.5536042e-16 1.7802068e-12 1.5572749e-18
 7.3805885e-18 7.0192902e-13 9.3214637e-12 6.5645913e-15 4.0074979e-16
 2.7352451e-15 3.2556409e-14 4.2444277e-12 6.5000707e-13 9.4208608e-12
 7.5498351e-15 1.5539299e-12 2.3926627e-12 1.6471191e-07 7.3358231e-09
 4.0971107e-10 1.7977474e-10 3.4024305e-12 1.1274327e-11 1.8819973e-10
 8.3463285e-11 4.1611822e-12 8.7650470e-15 3.7653852e-16 7.6634706e-13
 3.2939789e-07 3.6578247e-11 1.6808176e-12 7.2480355e-09 1.7129790e-15
 6.0998290e-12 2.3816249e-09 7.7180432e-12 2.6708595e-11 1.7819278e-10
 1.8446484e-15 3.0433293e-12 1.4482385e-10 1.1024610e-15 1.1373354e-11
 6.1399735e-19]


0.9999993


1


[4.95708079e-08 1.01524492e-07 1.14775359e-11 4.18308964e-11
 1.61902328e-16 1.33449120e-11 2.88258892e-13 4.97106933e-14
 1.49474333e-09 2.96774692e-12 1.71364625e-17 5.62093910e-14
 1.01154772e-10 5.31782023e-14 2.62144039e-13 9.77805545e-11
 9.01366037e-10 3.02041432e-13 1.19137512e-12 2.59335081e-10
 3.88844235e-10 1.12107814e-11 2.36120845e-11 1.94868274e-10
 1.96655843e-12 2.83854266e-13 4.21439793e-13 3.45322493e-10
 7.41584216e-08 3.13114046e-09 2.00898143e-09 1.36960603e-06
 1.96071770e-10 1.28303534e-10 1.08758115e-06 3.57663010e-10
 2.02785788e-08 4.44376127e-08 1.20751853e-10 2.50633403e-09
 9.99996781e-01 1.26846506e-10 2.28343955e-10 6.10281425e-09
 1.90137437e-11 5.62134920e-13 1.24856481e-08 2.60987729e-08
 2.90065303e-12 2.09345041e-12 1.12576224e-11 2.56019706e-13
 1.06297913e-08 1.13012898e-12 2.21435595e-13 2.56442655e-15
 9.56991973e-13 6.85688398e-12 8.23944362e-08 1.88088922e-08
 5.35426758e-10 2.50995419e-10 1.19523076e-12 6.25437245e-12
 1.08260934e-09 1.42857330e-12 3.06913913e-12 1.96127684e-12
 8.94615362e-15 7.89732591e-13 4.15024139e-08 1.34843137e-10
 2.51639898e-12 1.39213824e-07 2.59143466e-12 3.88744661e-11
 2.03869632e-09 2.71066919e-10 1.65334242e-07 6.07732886e-09
 1.40257044e-12 9.97370155e-12 1.88446758e-10 3.77857434e-14
 5.56545695e-13 6.13954891e-15]


0.9999968


40


[7.6227913e-12 1.0668634e-13 1.1036614e-14 2.6224885e-13 4.4623214e-17
 1.8599369e-11 4.0080017e-14 2.7337300e-18 6.7700497e-14 4.4471122e-17
 1.3943564e-20 7.2949164e-17 2.2671919e-12 5.1986539e-14 3.7906659e-16
 1.9431973e-12 9.4025821e-14 1.5190642e-15 4.5046584e-14 6.5906405e-11
 4.4688789e-10 3.4434849e-12 1.2317666e-13 3.1876472e-14 5.9884151e-12
 6.7184208e-16 1.5037108e-15 1.6879523e-14 8.3603185e-12 2.0108275e-13
 7.1399700e-13 3.4522643e-12 2.4150592e-14 2.0554498e-12 1.6749661e-11
 6.4464994e-14 1.3421226e-11 1.3045917e-11 5.4862876e-14 3.5654636e-14
 5.3062621e-08 1.4760053e-15 1.5531559e-14 6.1213214e-13 4.9554080e-14
 2.5327010e-16 3.6288632e-11 8.1467270e-11 9.8588359e-15 2.1165071e-15
 5.7870062e-15 5.8603609e-15 2.0369283e-11 2.5372750e-16 4.5270632e-17
 3.3765063e-17 1.8257218e-13 2.5366097e-14 1.0099575e-08 1.3300167e-13
 4.2160980e-10 1.0023630e-13 6.4924607e-11 2.4507458e-12 1.1832980e-13
 3.4308814e-10 1.2225593e-08 2.1312200e-15 6.2227547e-15 8.0482436e-13
 1.7890848e-09 5.4247080e-14 3.0699976e-12 2.7227627e-09 6.7626486e-12
 9.4209252e-11 3.5234915e-08 3.0466225e-13 9.9999988e-01 2.1367387e-12
 1.7564953e-14 1.7553935e-14 1.6738358e-07 1.2618051e-16 1.6266287e-18
 1.4073876e-16]


0.9999999


78


[1.00706728e-10 1.35333021e-11 7.39090524e-14 3.05080803e-14
 8.16520984e-18 2.55690183e-16 3.77314147e-14 8.95537605e-13
 3.06104014e-12 4.14156310e-16 6.56197129e-21 7.12193825e-16
 2.12756514e-11 2.82118998e-15 1.00381273e-18 1.84436732e-12
 1.77651649e-13 1.73908530e-16 3.32734447e-16 6.32948292e-15
 1.41466040e-11 1.02297694e-14 6.35922691e-15 1.99175139e-15
 1.18441566e-13 5.36903480e-16 5.40173863e-13 1.31633731e-14
 1.24213200e-11 5.82247466e-13 8.67113603e-11 5.34826239e-10
 1.54498879e-11 2.67292089e-14 5.78248616e-10 1.11584487e-14
 3.92455816e-12 6.12297973e-13 2.06068235e-12 2.86891686e-14
 9.79262504e-11 5.33986934e-15 6.62300059e-15 3.40086059e-13
 4.33482960e-15 2.51662958e-14 2.80087390e-12 5.74607766e-12
 1.46913392e-13 3.99914875e-15 2.90803792e-14 2.98698588e-15
 5.42376961e-13 1.22924227e-15 1.23949706e-16 2.44145038e-17
 3.09277820e-12 5.19323571e-13 7.27612276e-11 6.50147020e-11
 2.61681765e-09 3.22294220e-13 2.82980627e-12 5.83007601e-13
 8.30867458e-11 3.08361111e-13 7.32475840e-08 9.04350000e-13
 1.97116108e-12 2.26009170e-10 5.05438180e-09 1.02839404e-10
 1.02611051e-12 7.43140838e-09 5.44817663e-13 2.99017566e-09
 9.99999881e-01 1.05637477e-09 1.95376710e-08 7.03793551e-11
 3.85147914e-15 2.13572528e-11 6.73049838e-10 9.24472223e-14
 5.88670114e-18 4.40792693e-14]


0.9999999


76


[1.0120143e-12 4.6177957e-12 8.2565234e-14 6.4415419e-14 6.2722909e-17
 2.3736260e-12 8.5297923e-12 1.2891139e-15 8.7959761e-12 1.0190464e-14
 4.5237437e-18 1.0970031e-15 4.4664858e-12 1.9610320e-11 1.6732835e-17
 5.5648631e-14 1.5870245e-13 1.7508731e-16 1.4023338e-15 8.3979386e-15
 1.3846666e-12 2.9269013e-13 3.7335508e-14 1.2972047e-14 5.5722402e-12
 5.3932362e-15 4.6938673e-14 1.5367009e-14 1.4026180e-14 7.6853872e-16
 7.5777390e-14 5.4094806e-12 3.1853312e-13 9.8429654e-16 3.6087678e-15
 1.7867823e-16 1.5481826e-11 1.6079049e-13 1.7622326e-14 4.8552160e-17
 3.7518578e-12 4.9952942e-16 3.9574904e-14 4.0665157e-13 7.3102644e-16
 1.7486555e-14 9.5124314e-14 4.8828172e-13 6.4123667e-14 6.0627003e-12
 2.7191200e-15 4.2477357e-14 5.3387720e-13 1.0809907e-12 1.0364047e-16
 7.6430520e-16 4.1082690e-14 1.2964770e-11 2.6381097e-09 7.0648771e-13
 2.6829682e-07 1.5916004e-15 9.9970816e-11 5.2381207e-12 4.5921838e-12
 4.9618441e-11 9.9999928e-01 7.9545658e-13 3.8942631e-14 4.3018505e-10
 9.0046609e-10 3.0101618e-13 2.7395244e-09 2.0287614e-11 3.3045851e-13
 4.1527084e-11 4.4167138e-07 1.7409282e-10 2.2360144e-10 4.8820574e-15
 3.9433477e-14 1.3593585e-13 4.2082560e-09 4.4769863e-15 5.2901093e-16
 1.5894624e-14]


0.9999993


66


[1.0029007e-10 1.4391976e-09 7.6414508e-14 5.6355165e-14 2.8316636e-17
 1.0346828e-14 4.9957586e-12 2.9576838e-11 1.7704640e-08 6.0683620e-13
 2.8621806e-17 1.2870709e-12 1.0638547e-09 1.9761528e-13 8.8857991e-15
 1.5487596e-12 1.9549423e-12 1.2971895e-13 5.0045108e-13 4.2756543e-14
 2.3455281e-12 2.5526245e-13 1.8147217e-12 3.7960932e-13 3.4915237e-11
 2.5261873e-14 2.6710589e-09 8.9105444e-15 1.2470877e-10 7.1730592e-14
 8.5008112e-12 4.0536969e-09 5.4212856e-11 8.9209180e-15 6.6057972e-11
 7.7116434e-14 2.2397197e-12 4.0196020e-14 6.0994141e-13 9.2844691e-14
 4.9633713e-12 1.0199471e-12 4.9828609e-13 2.4952292e-13 5.8949948e-15
 3.9097724e-13 9.0577475e-13 1.8186441e-12 5.3760864e-13 1.9695000e-13
 3.1161600e-14 5.0358743e-15 7.0985420e-14 2.7475455e-12 8.5004459e-14
 1.5262314e-13 2.0302950e-09 1.9266566e-09 3.3234336e-08 9.9983808e-09
 9.9999857e-01 2.1603906e-11 9.5649877e-10 3.4450984e-11 9.8615999e-07
 7.2206949e-13 3.7414651e-08 3.3127265e-11 1.1536361e-10 4.1267856e-10
 3.4913356e-08 3.0003541e-08 3.4161665e-13 5.8791993e-10 5.4319544e-12
 1.5444718e-10 9.6045945e-08 2.1590562e-07 5.7587290e-13 2.5116417e-12
 2.1999969e-12 5.9027366e-11 1.3122296e-10 9.1481369e-13 1.1907814e-13
 1.3081062e-14]


0.99999857


60


[1.31829814e-09 1.00000000e+00 2.83136009e-13 4.31237050e-13
 5.16888332e-18 8.01221679e-14 4.37465331e-13 1.17278089e-08
 4.38663099e-11 5.38015119e-11 2.61880186e-19 1.29208866e-11
 8.30758928e-09 8.94940047e-13 6.34875631e-15 1.31991247e-14
 1.24550669e-17 8.66874562e-17 1.52133767e-15 6.74216719e-17
 5.88972078e-15 1.16839948e-17 6.30908976e-15 1.07986039e-15
 4.93075361e-14 5.29787640e-13 5.34593481e-11 9.20189912e-15
 2.73491351e-11 2.07590509e-13 2.05010447e-13 1.99604848e-08
 5.24254494e-11 8.79405615e-15 9.62004434e-12 1.56440401e-17
 1.03071035e-12 5.91681101e-15 7.67019911e-14 1.44729052e-16
 3.78475029e-12 1.93402461e-15 8.21753164e-15 4.48379669e-13
 1.14214791e-17 7.74160060e-14 3.91064100e-14 4.43401724e-14
 1.63321047e-14 5.32861736e-15 6.76827447e-16 1.53948217e-15
 6.19981022e-14 1.56204737e-11 9.65308779e-13 1.14892735e-14
 7.18637346e-12 3.82808951e-10 2.78783805e-08 2.36871883e-10
 6.41304831e-09 1.55214773e-12 2.97976019e-11 4.49722453e-14
 3.77366610e-11 1.29481235e-11 2.55861998e-12 7.32181717e-14
 1.40828062e-14 5.41373478e-13 2.56970001e-10 5.04607579e-14
 2.21801527e-13 1.46067446e-12 5.41783714e-16 2.79289916e-12
 2.45797889e-08 1.35248993e-10 3.19102669e-16 4.10678571e-13
 2.73208343e-14 1.16930188e-14 6.72564131e-12 2.98406238e-13
 3.60271882e-11 1.18756443e-17]


1.0


1


[6.25213561e-11 2.71234746e-09 9.64739660e-12 9.71284468e-13
 3.68323231e-14 2.22672731e-14 1.17551650e-12 4.18965522e-11
 2.89520341e-09 3.39268842e-13 6.82211976e-20 2.08666133e-13
 1.10563398e-08 1.95819286e-13 7.14745509e-18 5.40230133e-13
 5.76886791e-13 5.78925155e-16 3.76061588e-14 2.30095467e-14
 1.01693859e-12 2.30029542e-15 1.09386797e-13 2.96986448e-13
 3.56206187e-14 7.17820612e-15 5.27098538e-11 3.71437082e-11
 1.63414029e-07 9.37814132e-11 2.62234678e-09 9.99999166e-01
 1.57438895e-09 1.07754206e-09 1.11858633e-07 1.86512738e-13
 1.59309232e-10 4.56898325e-10 1.06622298e-11 1.06889907e-10
 4.13374636e-07 2.43470050e-10 4.56863262e-11 3.66473296e-10
 6.34881796e-13 6.55294763e-10 5.26737987e-10 6.05211992e-11
 4.92013201e-11 3.33331344e-12 5.62403596e-12 1.09256408e-14
 1.36366534e-11 5.55629119e-11 1.13130813e-14 4.84040419e-16
 1.27863319e-11 2.07863451e-08 4.05399483e-08 2.19194440e-08
 2.82559087e-09 6.15883126e-12 1.41885256e-12 4.10954013e-13
 1.16562246e-10 1.86498874e-13 8.38394631e-12 8.79199925e-12
 7.79330322e-13 1.62079779e-12 1.45199219e-09 3.47764460e-13
 1.12352332e-11 2.18421295e-10 2.88973001e-13 5.11238239e-11
 4.20504609e-09 8.79344313e-08 4.26324042e-13 1.41512690e-10
 1.60876909e-10 2.11671869e-12 2.76274446e-12 2.58459400e-12
 9.15613722e-13 4.51045234e-13]


0.99999917


31


[2.23378729e-13 9.89777791e-12 5.96468743e-14 2.97484021e-12
 4.63425829e-18 1.14903800e-12 1.29149404e-12 2.08546592e-16
 2.88300729e-15 4.43292152e-16 2.18589521e-20 2.77009632e-16
 9.49841872e-11 3.50617473e-12 1.47968425e-18 5.60307009e-14
 1.32617434e-16 3.55699244e-18 6.79873113e-16 7.30004588e-15
 2.69045972e-14 9.34843794e-17 1.96334783e-13 4.55937295e-15
 1.98756742e-13 6.68559399e-16 3.48596277e-16 2.37312713e-14
 9.52640918e-12 2.59254857e-13 6.20139519e-14 1.71374452e-08
 2.72121003e-13 2.17089350e-11 4.19856505e-13 1.80050783e-17
 5.03166810e-14 7.92938628e-15 1.28739479e-15 9.20266569e-16
 9.44240450e-11 5.39745593e-16 6.97873113e-15 1.88533165e-11
 3.03357269e-15 3.50178843e-13 1.97062908e-10 1.92271614e-13
 3.18941998e-16 1.41319112e-14 3.22044569e-14 3.23543451e-16
 4.71874016e-12 1.37194607e-12 3.78723882e-17 1.33435514e-15
 2.60283955e-13 3.64812514e-09 9.99999881e-01 7.06787073e-10
 8.76957229e-10 1.77734939e-14 9.38131066e-08 2.54389600e-11
 1.14768817e-13 9.41535599e-11 9.90479876e-09 2.48761854e-14
 2.01765921e-16 1.05168955e-11 2.95387118e-11 2.85384359e-17
 1.89869298e-09 6.32232504e-12 1.62939649e-13 4.81124168e-11
 1.06932898e-12 6.55260601e-09 2.49734566e-10 4.61688955e-13
 3.12216572e-11 4.22339742e-14 1.06615214e-08 3.45420671e-16
 1.06367835e-15 3.73084598e-15]


0.9999999


58


[1.9352714e-10 1.7966775e-14 1.6427387e-13 6.0828709e-14 3.8651013e-17
 1.4529046e-15 3.2540902e-13 3.4769944e-13 4.0125689e-12 4.3304013e-13
 2.1567838e-16 1.7768659e-15 5.8043752e-09 1.7536773e-12 2.3612653e-17
 1.9000230e-11 2.6710130e-14 1.2753741e-15 1.0932005e-13 3.1141698e-15
 7.4115139e-13 2.0294373e-16 1.5146099e-12 1.4539486e-13 2.4976816e-14
 1.1425316e-15 2.4703067e-14 6.6342293e-13 6.7741715e-12 8.1595460e-12
 1.7994331e-12 4.7947353e-09 4.4119046e-13 1.0253551e-11 1.3149552e-08
 1.7923212e-13 1.8643297e-14 2.5019109e-14 7.6889016e-13 2.2515267e-11
 1.5212959e-11 3.1382026e-13 3.7826665e-13 1.0042176e-11 4.2608096e-13
 1.9252737e-12 8.8813491e-11 2.8832900e-12 7.3801760e-15 8.7624589e-14
 5.5725975e-13 9.6383195e-14 8.7069192e-13 3.3775990e-13 3.0941544e-17
 1.9926628e-14 1.0871693e-11 2.3889095e-08 2.7897914e-07 2.7378594e-06
 4.1312473e-09 1.9963312e-13 5.1258251e-08 2.2806755e-11 4.9958238e-10
 9.4002944e-11 1.3029147e-11 5.6009212e-13 9.3449077e-12 6.0425662e-12
 1.8217387e-08 3.9351278e-10 1.7595506e-12 1.2049755e-12 4.0870185e-10
 1.0808396e-09 4.3039964e-08 9.9999535e-01 5.4743026e-11 3.3479556e-12
 1.5674625e-06 8.7402013e-12 1.7028238e-09 3.8382084e-12 9.7086157e-14
 2.2721545e-13]


0.99999535


77


[6.80958585e-14 2.33235089e-13 1.22703999e-15 7.47534792e-13
 1.95608714e-18 1.61161828e-12 3.94503093e-12 7.81123858e-17
 1.11527066e-13 2.05941635e-16 2.40768348e-16 2.14015447e-17
 3.63830327e-10 1.33096433e-11 7.65121553e-18 9.23308052e-16
 7.83072034e-17 4.31326548e-17 9.16147236e-16 1.78763511e-16
 4.41018817e-14 1.09671000e-16 7.54316179e-14 3.18972332e-16
 1.95030285e-13 1.05618413e-11 1.23100569e-16 1.31199059e-14
 1.22179480e-11 1.09169028e-13 2.07676656e-14 7.52202120e-12
 6.72363098e-14 1.11131692e-13 1.98616210e-12 1.81143544e-15
 8.59942068e-15 8.36986527e-14 3.83284408e-14 9.08417954e-16
 3.07963599e-10 2.79218257e-17 2.02181858e-13 1.37260871e-11
 4.45957019e-14 7.40156837e-14 1.59785651e-09 8.81280951e-11
 1.87390539e-15 2.34296598e-14 4.20751690e-14 9.11402301e-14
 3.07110115e-10 2.62788414e-14 1.39295991e-17 7.98520194e-16
 9.66125712e-14 3.02771697e-11 9.99999642e-01 3.54714516e-08
 1.09604112e-08 1.99961592e-14 2.67843376e-07 6.38296194e-10
 7.22058221e-12 8.65027078e-11 7.23826048e-08 6.07843244e-14
 1.54868712e-16 3.77810630e-12 9.52196980e-13 3.01213834e-13
 6.27912722e-10 1.63150327e-11 5.47820632e-13 5.36514000e-10
 8.15736020e-11 1.56074176e-08 1.54928048e-09 1.62948932e-13
 5.44049632e-11 3.91524649e-13 1.09860443e-09 1.53476221e-14
 2.55112538e-15 1.26573446e-15]


0.99999964


58


[3.50205542e-12 9.21111173e-11 8.46600283e-14 4.84676276e-15
 2.19746692e-18 1.21921933e-15 1.02327966e-12 3.18846442e-11
 4.77200432e-11 1.02887445e-13 3.29244502e-15 3.23196439e-13
 2.36555731e-09 3.88977892e-14 1.28584710e-16 7.78408777e-14
 6.75400948e-15 3.69907501e-13 4.08755235e-12 3.15560430e-16
 4.59732567e-13 7.17727523e-15 3.21001960e-13 8.48410765e-14
 2.47877999e-13 6.38932495e-15 5.53493713e-14 2.88185898e-13
 2.49667578e-11 1.33239114e-11 2.36059713e-11 6.80553169e-10
 2.24867474e-13 9.37116357e-12 2.43170570e-11 1.64407076e-13
 8.34542396e-14 6.68325055e-14 7.52345912e-14 8.19155562e-13
 1.36885885e-11 7.01252207e-12 6.93151049e-12 1.85379420e-11
 9.60939024e-14 8.55326389e-13 9.20223880e-12 2.36846376e-10
 1.45586614e-13 4.35203914e-16 6.29239824e-13 2.08950899e-13
 5.20754501e-13 1.13214450e-16 7.98653056e-18 1.65243009e-13
 4.12795839e-11 4.53285659e-10 5.67261111e-07 9.99999166e-01
 6.47128184e-10 3.40076735e-13 1.05621629e-10 9.31564692e-09
 1.74640066e-12 2.78712581e-10 6.66984740e-12 9.10592565e-13
 1.20889878e-11 1.56018792e-11 7.57576002e-10 1.91023304e-08
 3.33746767e-12 1.18660648e-12 8.54515209e-11 4.77899782e-08
 1.51192872e-08 1.55460370e-07 1.57283048e-10 3.97619741e-12
 4.29380836e-10 1.00951608e-11 1.15252773e-11 4.32412054e-13
 1.09766483e-14 3.52951819e-14]


0.99999917


59


[6.0590916e-14 1.8732897e-09 4.1210461e-15 1.1531218e-12 2.5523108e-17
 5.6874996e-13 1.4880778e-12 1.4297791e-13 1.4026731e-13 5.3036735e-15
 7.5964545e-18 7.3484928e-15 2.6865477e-10 4.2429736e-12 9.4406565e-15
 5.7984085e-15 4.4603475e-17 4.9771542e-15 4.0475578e-14 6.9046132e-15
 3.0637653e-14 4.0641259e-15 9.2375920e-16 2.2873379e-15 3.7519892e-12
 2.4645496e-13 6.6173157e-16 1.1746084e-14 2.0416058e-09 2.0907024e-13
 2.7820049e-12 1.6324405e-11 4.7243903e-14 4.8805762e-13 7.0876837e-15
 2.0442336e-15 4.7213637e-14 6.5967814e-14 1.4219860e-15 3.3552836e-16
 1.7290022e-11 5.7238177e-16 1.6791537e-14 1.0814595e-12 1.4897793e-15
 5.8248518e-13 1.3552166e-10 1.3278077e-11 7.5621179e-15 3.9036911e-16
 3.7075073e-15 2.5855054e-14 6.1690874e-12 2.7898663e-14 2.7059594e-15
 1.9940073e-13 5.7709306e-13 3.2714713e-11 9.9999988e-01 3.7095152e-08
 2.0419394e-10 1.1637526e-14 1.4334549e-07 6.8904265e-09 4.8801451e-14
 2.5469231e-09 5.9428307e-09 9.5569330e-15 3.7120766e-16 6.5714864e-11
 1.2472017e-13 2.0671335e-13 1.6488706e-09 2.7709315e-12 1.8250384e-14
 1.4309389e-09 5.5008664e-09 1.4623900e-14 1.1226808e-10 1.7653843e-12
 4.7857230e-12 2.6217486e-13 1.8351369e-10 5.9702270e-15 8.1382571e-16
 7.1449836e-17]


0.9999999


58


[3.17782813e-08 5.60849501e-12 1.22571251e-13 2.21466945e-14
 4.86951830e-17 1.90955955e-16 3.24546196e-14 3.12587872e-10
 1.82318471e-09 1.54391621e-11 1.08680217e-16 7.01782924e-14
 2.53375436e-08 4.05885923e-14 1.60508784e-15 3.65094656e-11
 1.40649236e-14 5.65070343e-16 1.57837935e-13 2.95205064e-15
 7.51408755e-13 9.42198115e-15 2.24138674e-14 5.71756130e-13
 4.05178956e-14 3.22765984e-13 5.76070116e-13 5.64427411e-12
 1.67800582e-08 7.47939141e-11 1.87516980e-09 1.02582748e-10
 2.79431686e-11 7.16095572e-10 1.58795892e-08 2.52148111e-11
 3.35814357e-13 3.49603029e-12 9.42025364e-12 1.21362934e-10
 2.68429334e-10 1.08672554e-12 3.40741758e-13 2.51152137e-11
 2.97110253e-12 6.29753472e-11 1.44770293e-10 5.93476934e-11
 6.44296031e-13 4.31170873e-14 2.25398554e-11 2.37061017e-15
 1.73347187e-12 3.19100266e-15 1.56867331e-13 1.83001054e-12
 1.22380883e-09 7.36502526e-10 2.49507170e-08 1.66857816e-08
 4.25554758e-10 1.85331329e-12 2.23504966e-08 1.37681186e-11
 3.76289069e-11 3.01982710e-11 7.65327743e-13 2.92408459e-13
 2.76232176e-10 9.79130622e-13 7.62584006e-13 2.92475022e-08
 7.97170110e-13 4.97729601e-11 4.28827598e-11 2.95896507e-09
 9.99999642e-01 1.00676701e-07 3.74912323e-10 1.70326964e-09
 8.24606605e-09 3.22986776e-11 1.09286281e-10 3.02081797e-11
 1.42052114e-12 8.18565593e-13]


0.99999964


76


[1.30161311e-06 2.24666667e-13 1.30366195e-15 1.45547775e-11
 9.43598872e-17 1.20496495e-13 2.70116113e-14 7.50024297e-14
 1.84279050e-11 2.65920012e-12 3.32928020e-17 2.78805516e-13
 3.35024630e-12 1.06983597e-11 1.32414045e-12 2.42118782e-12
 5.95577188e-16 1.37785169e-13 6.98613368e-13 1.76593996e-13
 4.71109984e-15 1.99236379e-15 9.66456258e-14 1.11868448e-13
 1.24437636e-14 1.14503274e-12 1.69792511e-13 7.47814489e-14
 1.87216997e-08 1.40946995e-07 3.59474429e-11 4.16982882e-13
 6.66996111e-11 1.69002209e-13 1.50706905e-10 3.03662546e-11
 4.75727479e-16 1.01764564e-13 4.99288111e-12 3.37772085e-12
 1.79461446e-10 1.05740671e-14 8.86275374e-13 2.67181893e-12
 4.36076515e-14 7.38554962e-15 2.10077804e-08 2.03103528e-12
 6.48135254e-15 1.05781828e-14 8.33530402e-13 1.24571905e-16
 1.17293064e-09 1.80669315e-14 1.05081261e-13 1.03230239e-12
 1.95796829e-12 7.68205777e-11 6.95779931e-08 8.82164133e-12
 1.43273731e-08 1.14177987e-10 9.99998450e-01 1.87509855e-10
 2.50268406e-09 9.09617312e-11 9.66521351e-13 7.65705344e-16
 3.52529936e-13 5.74511575e-12 1.59541813e-13 4.21360752e-10
 1.38852656e-12 4.25682655e-13 6.45824089e-11 7.91774979e-12
 8.95382701e-09 4.06802370e-10 4.63772798e-10 2.81455143e-13
 4.20999650e-12 1.16766487e-13 8.16399656e-11 2.62673772e-11
 1.23734191e-11 2.07162507e-14]


0.99999845


62


[9.99975324e-01 2.86218809e-11 3.99884292e-12 5.93681007e-11
 4.21021589e-14 9.37793883e-14 3.39252823e-14 1.21535848e-09
 6.13547879e-09 1.99486191e-11 2.80493769e-16 8.39734966e-12
 3.17895224e-11 5.71305373e-12 7.89084006e-11 8.45962873e-08
 1.61722653e-12 1.14616094e-10 5.42187042e-12 2.32053335e-11
 2.10848162e-11 2.06030058e-13 8.19135315e-11 1.24567051e-10
 1.56875398e-14 1.43516622e-11 1.13367246e-10 6.84173385e-10
 1.94321947e-05 1.07543599e-06 1.94368639e-07 4.67077843e-09
 1.06314504e-08 3.99489473e-08 4.37099494e-08 1.55317352e-07
 2.67736594e-14 1.75081977e-10 8.02977063e-09 8.99196024e-08
 3.14840563e-08 8.43607476e-11 3.79718201e-11 1.97814813e-08
 7.83323840e-12 1.04784341e-11 1.58007254e-06 1.38876943e-09
 7.44190994e-12 3.61452676e-13 3.27478877e-10 7.67515696e-15
 3.82761201e-08 6.67552710e-13 3.97476114e-08 3.60563229e-12
 5.78234405e-10 8.77564799e-10 4.87719698e-10 7.68176744e-10
 4.57004434e-09 2.15871446e-10 2.00781784e-07 9.37058157e-12
 6.43575193e-10 1.26511492e-11 5.22327187e-15 6.96813221e-15
 3.89962590e-10 4.77103209e-12 5.67956489e-13 1.87480231e-09
 1.18089010e-13 8.43108777e-11 8.15436874e-09 1.64569920e-11
 1.62374999e-06 9.14004161e-09 1.42851148e-10 3.40812628e-10
 1.65525042e-11 5.09255724e-13 1.30084251e-11 4.60008226e-10
 1.98048511e-08 1.55437577e-12]


0.9999753


0


[2.42970018e-05 3.32928581e-11 4.74539019e-11 1.16328515e-07
 7.87079360e-11 8.32417186e-07 4.33923522e-11 1.49422887e-11
 5.75786308e-09 4.26008562e-09 2.98145085e-11 9.17322551e-10
 9.32777380e-12 4.24854925e-08 2.03962731e-08 1.86527283e-09
 3.05546977e-10 1.41891991e-08 4.75663153e-09 5.81883874e-09
 8.26769431e-10 1.84336157e-10 6.14169410e-11 2.68344652e-10
 7.42552755e-11 3.83785300e-06 4.32076805e-11 1.84937388e-09
 1.28097952e-06 9.60960392e-07 4.58790424e-07 2.04785628e-08
 1.10696455e-07 4.53094096e-08 5.42496950e-11 7.14239548e-07
 6.23401938e-12 2.41963420e-07 1.81337134e-06 3.35001846e-06
 8.14941668e-05 1.22423224e-10 3.25364291e-09 2.61106061e-06
 1.20630919e-08 4.03034583e-09 9.07951355e-01 2.90415255e-06
 4.18933821e-09 8.66587868e-09 6.38378517e-10 2.42254616e-09
 9.19073299e-02 9.57005725e-11 2.84195778e-08 2.21613252e-08
 9.13178255e-10 2.42208853e-09 5.52509771e-09 8.21479690e-11
 6.69223610e-08 1.99056938e-10 1.57597806e-05 3.59519667e-08
 1.74001631e-08 4.38406289e-09 7.70420783e-10 1.12962972e-11
 1.62290542e-10 3.36724537e-11 6.32276566e-12 5.41225441e-12
 5.50449721e-11 5.92404625e-10 2.80283832e-08 9.83184756e-10
 2.34425768e-09 2.19126517e-09 6.17560403e-08 2.65496208e-10
 1.75885723e-10 2.10353328e-12 5.84136828e-09 1.36385951e-08
 5.49355272e-09 1.14724001e-10]


0.90795135


46


[3.7890646e-07 5.4618102e-08 2.7585671e-15 7.2647319e-09 4.6516874e-14
 6.2626178e-08 3.1816938e-11 3.5352908e-13 2.9631457e-09 1.7770957e-10
 2.1365047e-10 1.3199164e-12 1.2043742e-09 4.1207346e-10 6.1077159e-08
 2.0483782e-12 2.0720166e-13 5.3982735e-11 5.6065215e-11 1.3406261e-11
 7.3631143e-11 1.0146053e-11 6.5238774e-12 6.0879661e-12 5.5353907e-12
 9.9999046e-01 1.1784049e-11 2.6131133e-12 1.5455028e-06 7.7116184e-08
 4.6310107e-09 2.0078798e-10 4.0545629e-08 1.3522113e-10 2.0027563e-12
 1.5753629e-10 3.9476571e-13 1.7843538e-10 2.5398677e-07 2.9138381e-08
 1.8248608e-07 5.9331562e-10 4.9171650e-10 3.0131243e-08 2.0472598e-13
 7.2649249e-13 2.3716666e-06 2.2741913e-08 6.8510406e-11 3.8632127e-12
 2.7907385e-11 2.9364755e-10 3.9434753e-06 2.7557145e-09 4.0826026e-07
 1.8030619e-09 2.3660862e-10 8.3059453e-12 2.8587246e-10 5.8664996e-12
 7.7531864e-10 2.9309569e-11 6.1263137e-08 3.0550666e-09 8.3702961e-11
 4.6472648e-09 6.9162596e-13 3.1628004e-13 4.3780238e-10 6.8068089e-14
 7.9326397e-15 3.5701171e-11 6.4556238e-12 7.1702306e-12 3.1691504e-11
 4.8877502e-09 1.9354308e-11 4.1773258e-13 1.7213989e-10 2.7967410e-13
 1.1936192e-12 1.4563340e-13 1.0483955e-10 4.1144461e-09 9.7055064e-08
 3.2509848e-13]


0.99999046


25


[9.40322716e-05 8.95890698e-05 9.59259887e-06 1.06227133e-04
 3.52443124e-07 2.47870702e-07 2.87397552e-06 2.79055666e-06
 7.31271648e-05 6.82995960e-06 1.20016850e-07 1.82521404e-07
 1.41680823e-04 1.33537424e-05 5.00466467e-06 1.48395295e-04
 8.34943354e-03 2.80695967e-05 5.00927999e-05 1.54057525e-05
 2.73054495e-04 6.04408524e-05 2.83049976e-05 1.22743455e-04
 4.41446027e-05 1.62316312e-04 2.14537758e-05 2.09713944e-05
 5.51973321e-02 6.06625751e-02 6.56434149e-02 2.68306509e-02
 1.05853021e-01 3.73023413e-02 4.56296140e-03 7.21310033e-03
 2.80644745e-03 8.15567747e-02 7.38903806e-02 2.12370828e-02
 4.44578491e-02 1.13856783e-02 8.61323625e-03 4.85752784e-02
 5.54228791e-05 1.38335368e-02 4.87525854e-03 2.98775703e-01
 3.97613551e-03 1.96968085e-06 1.08712865e-02 3.02305443e-06
 3.29851289e-04 2.06911049e-04 3.05623136e-04 4.22279072e-06
 1.23568083e-04 2.86124259e-06 1.26197425e-04 1.02702521e-04
 3.09525640e-05 5.12372098e-05 2.64755345e-05 4.91793890e-06
 1.23714217e-05 7.61253323e-05 2.20502079e-06 1.00056122e-05
 1.27732375e-04 1.33769834e-06 7.67910842e-06 2.86582508e-06
 4.41407719e-05 6.47163033e-05 3.06639095e-06 2.40491627e-05
 1.02926184e-04 2.26300290e-05 2.37125387e-05 4.34398571e-05
 1.87595215e-05 6.26110989e-07 1.12573980e-06 4.29348120e-06
 2.36062660e-05 1.57198247e-05]


0.2987757


47


[1.76982311e-07 7.82657708e-07 1.95540265e-10 6.47921581e-07
 1.18001798e-11 1.83854421e-09 2.37715724e-07 2.50740696e-11
 1.07004614e-11 1.89815914e-08 4.89225904e-08 7.65861419e-09
 6.31968859e-08 1.31898541e-05 5.50339010e-08 2.76648564e-07
 5.92168625e-09 7.90555355e-09 1.26445130e-08 3.23316929e-10
 1.47364547e-08 3.38365003e-10 6.55148753e-08 1.48279966e-09
 8.76657538e-08 1.16262481e-05 1.73599113e-12 2.30457146e-11
 9.21296461e-08 2.93774860e-06 5.58871534e-07 3.48155993e-08
 1.87883188e-07 2.68938038e-07 6.38493633e-11 5.00814668e-10
 3.58004371e-07 2.65243791e-08 1.50884034e-05 1.00336206e-09
 1.54636353e-07 2.04191841e-09 6.78553818e-07 1.16951287e-05
 2.69641948e-11 1.72798682e-08 1.52266318e-06 1.63134737e-05
 9.66224212e-10 4.86767238e-10 1.30366715e-07 4.99491968e-08
 9.99066970e-07 1.25833267e-07 1.05938515e-10 1.46933665e-09
 2.93991193e-10 9.31081670e-11 1.53172750e-05 4.97543731e-08
 5.82886983e-08 2.26613839e-08 1.22193655e-04 3.91841411e-07
 5.30602673e-10 3.95991793e-03 5.69313634e-05 7.02812653e-09
 1.05731566e-07 5.11053145e-07 5.79852951e-07 1.53697299e-09
 2.35510920e-03 4.04090912e-07 3.70819953e-09 9.93388534e-01
 2.34360300e-06 4.38657878e-07 1.79393810e-05 2.65576250e-09
 1.75046381e-07 2.31780151e-10 5.22122718e-07 5.00406938e-10
 7.50352003e-10 4.22745935e-11]


0.99338853


75


[2.9116598e-10 2.5958929e-08 8.3901552e-11 7.3222090e-08 1.2175031e-13
 4.2972522e-12 4.3376676e-09 9.1594267e-11 4.9621165e-11 1.7743605e-10
 9.5820862e-09 3.0958016e-09 2.0858293e-09 1.5261628e-08 7.9215141e-12
 4.5275526e-09 8.8463725e-10 7.8233933e-11 2.1023551e-11 7.3963245e-11
 6.2279054e-10 7.4708739e-11 3.0633331e-08 1.6165054e-09 3.4257354e-08
 1.3614761e-08 1.4971047e-11 1.0764330e-12 1.3118311e-08 3.7138818e-07
 1.1956895e-08 6.1890120e-08 2.5476932e-09 4.5022752e-10 2.0586055e-09
 1.2131261e-10 2.4364072e-08 1.7176753e-09 4.5753179e-08 3.2532069e-10
 1.6340893e-08 1.2653192e-10 5.3666840e-09 4.4319015e-07 7.7561586e-12
 2.0290221e-09 6.9219318e-08 3.6359600e-06 1.8659053e-10 2.4536444e-11
 1.8676261e-09 2.7816388e-10 4.9975313e-09 1.1880697e-11 4.8200801e-12
 1.0955893e-11 2.1094979e-10 8.9299110e-11 9.9996269e-01 9.6832377e-07
 3.1503060e-08 1.6853741e-06 9.4026018e-06 8.9870455e-06 2.1588470e-07
 2.1133209e-07 1.0415571e-06 4.0069051e-10 6.5257927e-10 3.1127669e-08
 1.3853875e-06 1.0801360e-06 5.1662556e-07 6.6092127e-08 1.1420440e-10
 3.7832924e-06 2.0367235e-08 2.7764102e-06 1.7719712e-08 1.1750350e-07
 3.7204293e-09 1.3043804e-09 9.5058738e-08 8.9512391e-12 1.4916976e-11
 1.3781401e-11]


0.9999627


58


[1.82772766e-08 3.93382635e-07 6.92532628e-11 2.53707638e-10
 4.90901617e-17 1.34887218e-16 8.59460018e-13 4.61010217e-08
 5.08501630e-10 7.15878112e-09 6.26273664e-13 2.29009788e-06
 9.64870739e-10 3.02542626e-12 1.41933704e-11 5.80297765e-09
 4.12580192e-10 1.16738175e-10 5.61272001e-11 2.63221112e-10
 2.70962870e-11 3.39875211e-11 6.76418255e-10 7.22091675e-09
 2.81885559e-09 3.79153896e-11 2.26026888e-11 3.84137912e-15
 1.74985750e-08 2.85223050e-05 2.11591789e-09 5.74781723e-07
 2.22522911e-09 4.39253023e-10 2.73236594e-07 5.25808980e-11
 5.67551617e-10 4.67816792e-11 1.73663661e-09 3.38445133e-10
 1.44399520e-10 1.50111090e-10 4.11782830e-11 9.17269455e-11
 1.23594711e-13 2.24437721e-12 7.84804000e-10 2.10998241e-08
 7.08238936e-12 6.92736341e-14 1.26490929e-09 4.84398119e-14
 2.33341020e-11 6.98241812e-13 1.09131992e-11 3.32099257e-13
 5.37532630e-10 4.15376795e-11 5.70583188e-06 1.49427652e-08
 1.19228162e-07 9.99960542e-01 2.32495623e-07 6.43610534e-08
 4.10925679e-07 9.32081434e-09 1.89000183e-12 2.55470081e-12
 3.89098931e-09 7.10061177e-11 3.69354296e-07 1.90381577e-08
 5.95830720e-12 2.67640505e-08 3.26817241e-12 3.16613263e-10
 1.21507684e-08 3.09404186e-07 1.02631332e-11 3.94648012e-08
 6.67420980e-12 1.75537644e-12 8.53788540e-10 5.32289013e-12
 6.12570383e-10 1.74699177e-13]


0.99996054


61


[9.49413419e-08 3.39156832e-04 5.45888270e-07 4.65635364e-10
 1.32583848e-14 2.68897816e-12 3.47524162e-11 9.05307900e-08
 4.88082394e-13 1.99179890e-08 4.45288667e-11 9.99619722e-01
 2.00243804e-08 1.40030665e-09 7.05566672e-09 6.38947995e-07
 6.01785566e-10 2.76693761e-08 1.02285060e-08 1.59769131e-09
 1.07657039e-09 2.50970777e-09 1.42075658e-08 3.54646557e-09
 4.20778633e-07 1.58624017e-10 3.54069486e-12 1.15805979e-13
 5.34174129e-11 3.33051773e-08 4.29572572e-10 1.86500579e-10
 4.05771042e-11 5.75701431e-11 6.91094681e-11 4.06100631e-12
 1.90629578e-07 2.96689728e-10 8.07777456e-11 1.65051902e-12
 3.69944048e-10 5.64580826e-13 1.41490509e-11 8.24854005e-11
 3.57898742e-13 1.26456692e-10 9.10125253e-10 1.33332811e-09
 4.41440329e-10 9.04557401e-11 3.49475893e-10 2.13972381e-11
 8.20475021e-10 1.06812415e-11 1.56592794e-10 4.61728485e-12
 2.33538189e-09 1.48546092e-10 2.87948524e-06 8.09194586e-11
 1.23057997e-09 2.47139742e-05 1.05480069e-07 2.86810131e-09
 7.26062916e-12 1.15806262e-08 5.51115704e-08 9.60852144e-12
 1.80776366e-10 1.41893878e-07 4.72347637e-07 6.30920927e-10
 1.01510224e-07 1.56503677e-06 4.11881987e-11 7.09810806e-08
 1.76525973e-07 6.78593759e-09 5.66348357e-10 1.25625078e-07
 5.97287844e-11 3.92066692e-11 8.48734726e-06 9.06315439e-11
 7.09321846e-09 1.49861203e-13]


0.9996197


11


[4.0884515e-10 9.9997211e-01 2.3663768e-10 1.5215965e-12 3.7514260e-20
 1.7371880e-15 2.1488205e-13 2.5606237e-08 1.2775654e-14 1.1030437e-10
 6.8062710e-17 2.2225826e-05 1.6709198e-09 5.0725515e-13 3.1509968e-12
 3.3930189e-12 1.5853159e-15 3.1824057e-15 2.2211569e-14 9.4631410e-16
 5.2361049e-14 1.0946700e-15 1.9336352e-11 2.6710998e-13 2.2431686e-10
 2.4144672e-10 7.7232998e-15 5.2237677e-17 5.4419524e-12 1.3304385e-10
 9.7081544e-13 1.5147316e-11 1.4825356e-11 3.2358399e-15 4.0991096e-14
 3.2874222e-16 9.0619361e-12 4.2660591e-14 5.9970556e-14 1.2073331e-16
 1.7258134e-12 6.3393560e-16 3.1070595e-16 3.9923980e-12 2.7763213e-18
 3.6684184e-13 9.2025638e-13 9.3948688e-13 5.5641573e-15 2.3019886e-15
 3.9166253e-13 8.8574120e-14 1.2763928e-12 4.5046537e-14 5.2749813e-13
 2.0039353e-15 3.6000751e-12 8.7447168e-12 4.6665282e-06 1.8628649e-10
 6.3220739e-13 4.4311319e-09 5.7325467e-10 3.1895889e-11 1.2157863e-12
 9.0753932e-12 2.8740883e-11 1.5956308e-14 3.3482461e-17 1.9119390e-11
 2.0388552e-10 9.8205583e-11 3.2717376e-10 1.3261416e-10 6.9724941e-16
 7.7505211e-07 2.7739603e-07 5.5134749e-13 5.1508998e-13 1.6134349e-08
 1.5497278e-14 5.2850015e-13 5.7280252e-09 4.5737047e-15 2.2139235e-11
 9.1688287e-19]


0.9999721


1


[6.91434909e-09 1.35472749e-06 2.36328568e-10 3.74486708e-09
 2.34010436e-14 1.69732477e-14 9.85396118e-13 1.13186305e-08
 1.08903463e-10 1.59375027e-10 3.55335444e-13 1.84163596e-07
 1.46389695e-07 6.17370348e-12 1.28812827e-13 4.24966035e-10
 1.47777923e-09 2.36887142e-11 4.02153900e-11 8.16842861e-12
 4.98146024e-10 1.49419875e-12 5.09173503e-08 3.58980001e-09
 3.58454350e-10 5.69371529e-11 1.25895752e-11 2.88364627e-11
 2.84210643e-07 1.22945676e-06 8.86598599e-08 3.00392048e-06
 4.76496689e-06 2.56373500e-08 7.04813061e-08 1.24803323e-08
 1.44244625e-08 3.29075220e-08 5.05141935e-11 6.91304014e-10
 2.24427367e-06 1.34529651e-10 2.58956190e-11 1.48831191e-07
 6.23212801e-11 3.62643249e-07 2.98627363e-08 5.98421309e-07
 4.88045437e-10 2.89652720e-12 4.01765101e-06 4.57733070e-12
 1.37327918e-08 2.05146707e-12 6.02862274e-11 1.95406449e-13
 7.93765498e-10 4.63669186e-10 9.91745055e-01 5.00634542e-06
 1.00396691e-09 7.23198568e-08 1.24034969e-07 1.07714904e-08
 8.58443538e-10 1.81283651e-11 2.18743343e-10 1.13990562e-11
 1.45976235e-14 1.05120496e-10 4.13328507e-07 7.72869768e-09
 4.75120885e-08 3.61598580e-07 1.65452131e-11 1.94464137e-05
 5.17368676e-07 7.47856846e-11 5.29506335e-11 8.21022689e-03
 3.31294242e-10 1.87334370e-09 1.40918111e-10 1.11495286e-12
 7.41305489e-11 1.02935941e-11]


0.99174505


58


[7.50266585e-11 4.69705270e-08 7.82748345e-12 3.18769316e-11
 1.28511805e-14 1.44031095e-13 3.21920523e-13 2.09069047e-12
 7.80305792e-14 1.79098139e-10 1.71632575e-14 6.36836417e-11
 2.79179391e-09 1.19126974e-11 3.23539611e-12 2.55871227e-11
 2.49597521e-12 3.53516695e-13 2.27016675e-13 2.20818169e-14
 4.95719021e-11 1.51387539e-14 2.20235098e-11 5.50389541e-13
 3.76318587e-10 3.84817872e-12 4.84936686e-17 4.41782951e-15
 1.47402698e-11 3.63768846e-12 1.81574807e-12 3.41329693e-13
 8.22183918e-11 1.44068202e-09 5.98500097e-15 3.05510527e-13
 1.96924935e-10 6.94776615e-12 5.15446323e-12 5.97619120e-16
 8.63867797e-11 8.08071803e-15 1.21695273e-14 8.53173809e-10
 1.95354136e-13 6.40666470e-12 3.57039225e-12 3.10404237e-11
 5.40356673e-14 6.86392200e-14 2.56432115e-11 4.15018887e-12
 1.00866563e-11 9.98076405e-13 5.68892603e-14 3.34191123e-14
 2.45749428e-12 2.04821460e-14 3.84321510e-07 3.48512573e-11
 1.58319590e-11 5.65745679e-11 1.79663007e-10 1.69338848e-10
 1.68560929e-14 8.35750402e-09 3.62327164e-08 4.12164579e-13
 1.48143119e-15 1.29490163e-09 2.24496972e-08 1.68816738e-10
 1.09653065e-07 1.71904038e-08 1.63898808e-11 9.99999404e-01
 1.36622880e-09 1.35949543e-10 1.88477642e-08 6.64034383e-10
 3.46453044e-09 3.91026447e-11 4.15233098e-10 1.55567223e-14
 2.85334744e-13 2.59151763e-14]


0.9999994


75


[4.4919148e-11 1.9997547e-07 6.0583097e-12 6.0246851e-12 4.1130022e-16
 4.1769205e-12 2.2503256e-11 1.2989755e-10 3.0007630e-12 1.0961648e-11
 8.9088470e-13 6.2704231e-11 9.9385380e-09 4.0861998e-11 9.4015185e-11
 8.5811858e-11 4.4709389e-11 1.9812171e-12 3.0157601e-13 9.3177602e-14
 1.7893087e-10 4.0341805e-12 7.7465284e-11 3.7639603e-11 5.5934724e-09
 3.7048985e-11 1.4046158e-14 1.5004575e-13 4.3851381e-12 1.4534944e-13
 2.2031951e-12 2.0970840e-13 5.5892971e-11 3.5218557e-13 1.1224218e-13
 4.4587137e-13 4.4249233e-11 1.8420888e-12 5.2899529e-11 1.4969149e-14
 1.5475485e-11 2.6373004e-13 9.1060224e-12 2.3624667e-08 4.3719824e-13
 3.6884492e-11 1.9360983e-11 8.5420221e-12 1.1530290e-12 6.0244093e-12
 8.6960858e-13 7.4868237e-12 8.7715904e-11 4.3650795e-11 2.0254080e-13
 3.7586926e-12 1.9663804e-12 6.3889628e-15 1.6519397e-07 2.3164883e-09
 1.7776960e-09 2.1613203e-11 7.9739139e-11 4.1285237e-09 3.1380218e-11
 1.1672410e-09 4.3501382e-06 6.9488487e-10 2.4837071e-10 1.1507453e-06
 2.3677300e-07 1.6246065e-07 1.2914619e-06 9.7803550e-08 1.5467316e-10
 9.9999201e-01 1.0237605e-08 2.4252200e-09 5.3975999e-08 6.4307941e-09
 1.3928209e-07 7.4876354e-09 5.5714109e-09 6.5168231e-12 1.9523165e-13
 5.8971881e-13]


0.999992


75


[1.05325970e-09 9.99999404e-01 8.84522761e-14 2.04830640e-12
 1.93863806e-17 5.76782139e-14 1.24672543e-13 8.59116600e-09
 4.43149478e-14 6.05581340e-12 2.28226304e-16 2.57532634e-10
 2.34938078e-08 5.87485450e-14 5.50837535e-11 3.74840675e-14
 9.82739696e-16 2.44202902e-15 1.10366032e-15 1.08647857e-16
 7.15630778e-15 1.07030829e-15 1.20600932e-14 7.58213547e-14
 2.21847731e-11 1.58675711e-11 1.37252700e-15 3.02091310e-16
 6.34208669e-14 2.50874110e-13 2.05841945e-15 1.84286671e-14
 1.98349936e-09 1.05188687e-16 1.50880471e-14 2.64797788e-15
 3.77582704e-13 9.50253441e-17 1.68065095e-12 1.77869474e-18
 5.52562417e-14 7.72279907e-16 1.24196850e-14 1.97383123e-08
 8.48207673e-20 1.07213195e-13 4.52682401e-15 1.26293682e-15
 1.14255745e-16 2.89623350e-15 1.09971833e-15 8.44117392e-14
 5.80064642e-13 1.57504024e-10 1.73882599e-12 3.05756397e-14
 1.20230296e-13 4.51301060e-16 8.47004411e-10 8.78363701e-12
 3.45988928e-12 4.92616841e-12 1.29339473e-11 3.70373905e-11
 6.54589447e-13 1.69524339e-10 3.73090664e-12 3.13314811e-14
 1.09743750e-13 1.55744195e-10 3.18277210e-11 4.07418066e-12
 1.74584319e-10 6.52570229e-12 6.48403001e-15 5.18248328e-07
 2.26106622e-09 2.47828199e-11 5.18274854e-15 2.37112083e-11
 2.01447821e-12 3.76149361e-13 7.39963021e-11 1.25292571e-13
 5.64261485e-12 8.55917901e-19]


0.9999994


1


[5.74900794e-09 7.37412853e-10 2.41057239e-12 2.01848704e-10
 1.19097204e-10 3.52098017e-13 8.16977183e-13 8.60340688e-10
 4.05166109e-11 1.82704481e-12 1.03203267e-13 1.92341954e-12
 1.21175536e-09 2.09029495e-12 4.84158633e-12 1.74032011e-10
 1.55923807e-08 1.03116404e-11 1.05491293e-11 8.30235295e-13
 1.89794343e-11 2.30154125e-11 7.96843425e-11 9.49595069e-10
 1.68367646e-11 6.96737318e-13 7.83650895e-14 2.66506373e-10
 5.84047422e-10 1.03021218e-08 6.24445429e-09 4.54888927e-09
 8.26755422e-06 1.67006931e-09 6.20505702e-10 6.81831352e-07
 1.39919374e-08 1.09319820e-09 7.19484603e-07 1.41545942e-09
 8.79259005e-07 1.13117693e-09 6.60500055e-09 9.99976039e-01
 1.01605724e-10 1.20829836e-05 1.31349855e-08 2.61173883e-09
 5.50852766e-12 2.44059523e-10 2.93049425e-08 2.43199849e-10
 9.23209029e-08 1.90375093e-08 1.81758539e-10 8.75345803e-13
 2.53264553e-12 2.30003381e-13 2.01150598e-08 5.04285991e-09
 6.72823297e-10 4.63040890e-11 3.53723084e-12 6.43166631e-11
 6.74193297e-12 1.62162769e-10 2.73968630e-12 6.94650457e-12
 1.21025455e-12 4.41446706e-11 4.66794312e-12 5.61198006e-12
 4.06594647e-10 3.13569976e-10 1.22133789e-10 1.33777345e-08
 1.49939436e-10 1.66528604e-08 1.11129179e-11 9.49299590e-07
 1.52705780e-07 2.72156690e-12 6.44602861e-13 4.88297337e-13
 1.89739335e-11 1.15834980e-11]


0.99997604


43


[1.94339111e-11 1.95108209e-12 3.61746681e-15 3.40953123e-13
 3.67053263e-11 6.60734922e-13 6.05604178e-10 9.94447363e-13
 6.69725370e-14 1.88614915e-10 5.05627354e-12 4.13410117e-14
 2.20520741e-10 1.01634807e-08 1.28972735e-11 1.04834141e-10
 5.99643902e-12 2.99194425e-09 4.07248887e-12 2.50507622e-12
 4.62776215e-12 7.35374489e-13 1.55669271e-12 7.00730869e-13
 8.60810923e-10 1.08273080e-12 3.37650785e-16 6.51990506e-13
 1.60953369e-11 4.37761806e-12 2.33013973e-11 4.40779276e-14
 8.06605227e-10 1.56951874e-08 2.91366764e-14 6.85077429e-12
 1.29914501e-09 1.75519842e-11 3.93088079e-12 2.05274925e-13
 5.91008076e-10 1.07376402e-12 8.27639624e-10 1.28005135e-08
 2.09742553e-12 1.02942585e-11 1.03503848e-12 1.97740825e-12
 9.20302720e-14 1.03040996e-11 2.42493005e-12 2.37036129e-12
 1.24813895e-10 2.75067556e-11 4.81186109e-13 4.32130633e-12
 3.82497593e-12 2.11771087e-11 3.71853503e-07 3.54259401e-13
 4.34671783e-08 8.27219322e-15 1.16720180e-08 3.41586655e-12
 1.86175213e-13 9.99996066e-01 1.23677819e-06 2.44076491e-14
 1.55020083e-12 3.87568894e-10 7.42005242e-12 1.25984469e-13
 1.94893983e-06 6.48890490e-12 5.27712292e-12 1.65749781e-09
 2.97712788e-12 1.46953216e-09 1.26885258e-08 1.10537047e-13
 2.69861289e-07 4.98116685e-13 4.83330043e-10 8.37206603e-15
 4.07216680e-14 8.76826687e-14]


0.99999607


65


[2.56290486e-13 8.89692660e-12 3.03359958e-15 7.08505994e-14
 2.36071962e-14 2.47748491e-13 2.25984986e-09 1.53962553e-14
 5.38756735e-16 3.25489717e-13 1.71457561e-13 9.29831570e-14
 3.33221813e-13 9.21760168e-10 1.03749257e-12 1.41563702e-14
 1.07287436e-13 1.79422639e-13 4.02360640e-15 1.84820251e-14
 2.92607491e-13 2.44482250e-13 5.68136677e-14 1.70805651e-14
 6.39910694e-11 7.43426935e-12 2.67131560e-16 4.04979793e-16
 3.27157023e-14 1.92813803e-14 5.26173410e-11 3.98199718e-15
 2.14055097e-12 9.96076865e-14 4.11128021e-17 6.82714866e-15
 5.66264527e-12 9.59871614e-13 3.39904239e-13 5.02423449e-17
 1.11001885e-11 1.79935050e-16 2.79107412e-13 1.15841482e-10
 2.61746950e-13 6.96798630e-13 2.86224793e-13 5.09668940e-14
 6.43961270e-14 7.76499308e-13 2.92821187e-14 2.61769556e-12
 4.53657355e-11 1.60078860e-11 9.04498098e-16 4.37243727e-14
 5.52141391e-16 1.25221760e-14 3.29559356e-07 3.16454913e-12
 5.65457299e-08 3.74533617e-16 6.04455863e-09 2.29150119e-12
 6.82782891e-14 1.36264953e-06 9.99997258e-01 1.15717266e-12
 5.60724915e-13 2.93705170e-07 3.24915507e-12 1.27984526e-12
 7.44549880e-07 6.85020747e-12 4.96518029e-13 3.08594679e-08
 2.21594187e-09 2.70557990e-12 4.58408478e-10 1.95712773e-14
 6.38735909e-09 3.94602780e-13 1.99254990e-09 9.34100819e-15
 4.72974463e-17 6.02445492e-15]


0.99999726


66


[3.6644689e-12 4.9540091e-08 1.5579539e-11 2.1071700e-13 1.1327948e-15
 2.2752343e-15 1.4721421e-09 1.4094795e-11 4.6729368e-13 1.0493734e-12
 2.0272584e-12 6.0416790e-11 1.5513490e-09 3.3119484e-12 4.0778552e-12
 2.1811983e-13 1.3892927e-12 6.6480843e-13 7.1466249e-13 1.3246050e-13
 4.5044812e-14 1.5398826e-11 4.0580464e-12 7.9773788e-10 7.3147002e-11
 2.1263628e-10 1.0362219e-13 2.5725884e-15 4.7520782e-13 1.7435731e-13
 8.4148334e-11 7.1688505e-13 2.5426319e-11 1.6345361e-14 1.8244886e-15
 1.2187847e-14 6.3984750e-13 3.5362167e-13 3.7623163e-13 5.5096926e-16
 2.9799846e-14 1.7633352e-13 3.3852550e-12 1.5171864e-11 3.4141865e-13
 4.6362654e-08 1.8315513e-13 7.1858223e-14 1.9222126e-12 7.1319047e-13
 1.5944047e-14 1.8048322e-12 2.8101011e-12 2.5569885e-11 1.4832098e-13
 8.1090533e-13 7.6501473e-13 1.7167225e-12 2.8812606e-06 3.4522806e-08
 6.7642758e-09 8.1022462e-14 1.7867842e-09 2.5214137e-09 1.9578159e-12
 2.9246164e-10 1.2600164e-07 7.4669410e-11 8.6629970e-10 9.9999678e-01
 1.5328036e-10 9.9013864e-09 8.9085887e-08 8.4201196e-10 1.2941348e-10
 3.4354954e-09 7.9564844e-10 4.2932351e-09 1.0435651e-12 9.3668701e-12
 6.2497070e-09 4.4881675e-11 1.6471431e-09 4.9967818e-11 1.6779392e-13
 2.0743222e-14]


0.9999968


69


[2.7465605e-10 9.9999762e-01 7.3390053e-12 2.4319928e-12 3.1833714e-16
 1.6935207e-14 6.3381189e-11 1.5546568e-08 5.6521424e-14 5.5901280e-11
 5.8115706e-15 1.7424976e-07 4.1872582e-08 1.1500291e-11 1.5921566e-11
 4.4401674e-14 2.0935847e-15 2.5364285e-15 1.7373925e-14 1.2159522e-15
 1.4787127e-15 4.9166647e-14 5.7345086e-14 6.2741635e-12 3.3165723e-12
 2.3295412e-09 4.9335900e-15 5.5431530e-16 4.6323353e-12 2.2399325e-11
 3.5262932e-12 2.1649261e-11 2.3103635e-09 5.8713347e-15 2.7042920e-15
 1.1767170e-16 6.4779835e-12 1.7146115e-14 3.9910306e-12 3.0442394e-17
 1.0694423e-13 1.8910651e-14 2.4974708e-12 4.3760412e-11 4.3733370e-15
 1.6874836e-06 6.9583532e-15 2.1655534e-15 3.9209907e-14 4.3622864e-13
 1.1145619e-14 7.6336642e-14 4.0000747e-13 3.0060820e-10 2.2473615e-11
 4.9911317e-13 2.4593233e-12 2.4178803e-13 1.0851370e-08 5.0763064e-11
 2.6805172e-10 1.8112101e-12 1.9022630e-09 1.8463458e-11 4.7241999e-14
 7.8392466e-11 8.4679208e-12 4.0703581e-13 1.4310270e-11 4.1747759e-07
 3.3388982e-14 4.6640898e-13 3.0258910e-08 4.0313421e-12 1.3397242e-13
 2.5670388e-10 1.5367467e-08 1.6110543e-10 4.5075811e-17 7.4520425e-13
 3.2769093e-11 2.4568826e-14 1.1402475e-09 6.8279427e-12 1.5014900e-10
 5.4480361e-18]


0.9999976


1


[1.0259763e-10 8.2501528e-10 1.7924001e-10 3.1412945e-13 4.1568349e-13
 4.2317705e-16 7.6322915e-12 1.2452145e-09 4.1114343e-12 5.9409851e-12
 1.1922759e-13 2.0946010e-10 5.1853566e-09 2.7922380e-12 5.2431658e-14
 3.5210450e-12 6.4427713e-11 1.0566183e-13 5.3282964e-13 3.1662508e-14
 5.4867369e-14 3.3546308e-12 6.0978544e-12 2.1907186e-10 2.6664245e-13
 6.0084589e-12 7.4242485e-14 1.8740454e-11 5.1027019e-11 1.4360782e-10
 1.1912010e-07 3.5142675e-09 6.8741025e-07 2.4627669e-10 2.0027395e-13
 3.6463176e-12 6.7103434e-11 8.2441408e-11 4.2427750e-10 1.3983916e-12
 3.0432219e-11 7.0046093e-09 1.0318605e-09 2.2667973e-07 4.8615060e-11
 9.9999785e-01 8.2043088e-12 1.3163667e-11 7.1942708e-12 2.7611580e-10
 2.5934288e-09 7.6724949e-14 8.2134563e-11 1.9439748e-09 9.0343844e-12
 1.3745496e-12 1.5273617e-11 3.2783668e-11 1.9467874e-09 8.3620161e-10
 2.8771199e-10 9.6677701e-13 2.1296204e-10 4.3578672e-11 2.2568087e-14
 2.9306961e-13 1.0499771e-12 1.2629012e-11 1.3465808e-12 6.2351882e-07
 4.1492735e-15 3.0240968e-12 5.3749403e-07 1.8707015e-12 2.0525517e-11
 5.5279330e-11 3.3018696e-10 9.8559498e-09 4.3662346e-16 2.9706132e-10
 4.0063011e-08 2.2123826e-13 4.9777209e-12 6.7258352e-11 3.2310866e-12
 8.0359911e-12]


0.99999785


45


[8.97543162e-13 7.36868552e-12 3.39163539e-13 6.49882683e-15
 1.62702561e-14 4.31337874e-14 2.49644836e-11 1.26948094e-13
 9.66410806e-15 3.61773393e-12 2.66524975e-13 1.46844787e-12
 4.38196918e-12 8.59084004e-09 1.30376666e-13 4.80386347e-13
 1.19764794e-13 2.19243417e-12 5.43879937e-13 3.52292895e-14
 1.52300166e-14 5.05161397e-13 2.27042167e-14 2.34948725e-13
 3.86723119e-11 8.75453193e-13 1.92631756e-16 1.07218277e-14
 5.22595530e-13 4.03307081e-13 1.14983090e-09 1.40034455e-13
 4.53383338e-11 4.10186433e-11 1.94582146e-17 3.03029319e-15
 4.42123865e-10 6.62668325e-13 8.54601112e-13 6.11076514e-16
 1.18934472e-11 2.99200768e-12 2.52611909e-09 9.96802918e-11
 3.82069295e-13 7.48305595e-08 2.63602920e-12 1.07207353e-12
 6.38919798e-14 4.50000714e-12 1.72611356e-13 5.63788475e-15
 4.97705609e-12 2.10806958e-12 1.41641561e-14 3.58776680e-12
 5.42708998e-13 3.19028484e-11 8.56672671e-08 1.94523908e-13
 1.04945652e-08 5.04919728e-16 6.13722648e-07 5.97097545e-12
 5.86338652e-16 1.04776450e-06 1.06992516e-07 1.57337420e-14
 6.60153762e-14 1.18424943e-07 6.01290122e-14 6.51103554e-15
 9.99997735e-01 3.36828048e-12 3.89541047e-13 3.11013104e-10
 8.09704040e-12 1.23306323e-10 5.89349229e-12 8.33870426e-16
 1.52757309e-07 4.15711777e-14 4.45523535e-10 9.42620531e-15
 4.13090557e-15 1.12123964e-15]


0.99999774


72


[3.24059390e-11 1.46022855e-16 3.07793641e-16 6.70076118e-16
 1.14396264e-12 1.10779826e-16 1.04633031e-13 5.02425301e-15
 5.69844822e-12 2.85189389e-11 1.44194728e-13 1.45120691e-13
 6.70839981e-11 7.91060707e-12 1.71428377e-12 5.79732616e-11
 1.07818474e-12 9.12235714e-14 4.51204774e-13 1.12022089e-14
 4.55573350e-14 4.64426708e-14 2.81332813e-12 1.56056590e-09
 1.33029086e-13 1.52572640e-14 1.14410879e-12 2.28272506e-13
 7.39790499e-13 1.48885873e-12 1.22511778e-08 1.70925164e-13
 8.06303427e-11 8.79170903e-11 7.07035906e-12 2.14262896e-11
 7.09218166e-13 3.05887246e-14 1.16785170e-09 2.08722258e-11
 1.05255041e-11 1.47322397e-11 1.59973701e-11 1.79239720e-10
 8.43243808e-11 1.48927848e-09 1.81626513e-12 6.28460717e-13
 1.11152441e-14 1.88668803e-11 1.88224557e-11 4.97341578e-15
 2.39084767e-13 4.72399457e-14 5.52134784e-15 5.15414187e-12
 1.68368401e-12 2.81636815e-11 2.80445736e-11 5.48475328e-13
 8.00340860e-09 6.87518076e-14 8.73210659e-09 1.28712492e-11
 7.04556856e-14 7.64115299e-11 2.31826446e-14 4.45397876e-14
 2.25716251e-10 1.62000940e-10 1.42359354e-14 7.66663533e-09
 2.46393295e-10 4.78681894e-12 2.31042208e-09 5.35019598e-12
 1.91750782e-10 3.22533076e-08 2.44332592e-11 1.37357816e-11
 1.00000000e+00 1.86377233e-11 3.12029184e-14 6.82567663e-13
 1.06356861e-12 4.08760807e-13]


1.0


80


[1.4514139e-06 7.0994350e-13 3.9885034e-17 4.8844895e-12 3.9543032e-13
 5.3964628e-14 6.8167672e-12 5.1630922e-13 2.6295272e-12 6.8650745e-11
 2.8615855e-12 2.1328155e-10 2.8044715e-12 9.5823412e-11 8.3360963e-09
 1.2045846e-10 1.8655708e-12 1.2040668e-08 2.5803626e-10 2.9681060e-09
 4.6377805e-13 3.0012118e-11 8.2605060e-12 2.7563503e-09 5.4029775e-12
 1.2638973e-10 7.9240304e-12 1.9291521e-13 2.0834179e-09 4.5810705e-07
 7.3297999e-09 3.3853074e-14 1.7858630e-09 3.1295886e-11 8.7634943e-12
 3.0254158e-10 4.0408643e-13 3.7569476e-14 5.9378202e-10 7.4155716e-11
 6.3241714e-08 1.3938474e-14 3.3802086e-11 9.2944888e-11 6.2146538e-11
 1.1948492e-12 1.7428463e-10 5.2946227e-13 9.8534403e-15 4.3376378e-13
 7.2566844e-13 8.6181208e-16 1.8288333e-10 5.2400001e-13 1.2769396e-12
 2.9537455e-12 1.2073005e-11 5.3442414e-11 6.3291947e-07 3.1189336e-11
 3.0857022e-06 1.6684678e-11 9.9999416e-01 5.5905831e-09 1.0522217e-10
 1.1751347e-07 9.9085204e-13 1.4859682e-15 3.0323797e-12 5.1263740e-09
 1.9274235e-13 5.3321686e-10 1.2873053e-09 8.5643836e-10 3.1263343e-09
 9.3116683e-14 8.2054558e-11 1.4750044e-10 9.4830858e-11 3.4109835e-12
 3.8337266e-08 1.2292183e-12 4.9618920e-12 5.9610344e-11 1.9589828e-09
 3.7120695e-16]


0.99999416


62


[9.99998689e-01 2.79145873e-11 1.71380976e-13 1.06740866e-11
 3.68420707e-14 1.22604695e-15 1.07138711e-13 3.66234473e-12
 1.55069224e-09 8.74952888e-10 3.44796620e-14 3.24049843e-10
 7.05066127e-12 2.78144857e-13 2.76830860e-08 1.21618058e-08
 9.12858504e-12 2.25015742e-10 6.60864627e-11 1.04564879e-09
 1.23695056e-11 2.34195319e-11 3.30219990e-10 1.10162397e-07
 2.44740155e-13 3.20170557e-11 3.03391257e-10 1.82471789e-12
 1.51864494e-08 1.19670958e-07 6.41071040e-07 5.10539050e-12
 3.52639007e-09 2.04718411e-08 1.23876571e-08 2.47025653e-08
 4.58563200e-13 1.60711678e-12 8.06026357e-09 1.74589276e-09
 1.99765424e-07 1.17725491e-12 2.11025186e-12 1.11270888e-10
 1.59940533e-11 5.19472486e-13 4.69780603e-10 4.73809750e-12
 3.68973447e-14 7.23069743e-14 1.69988121e-11 1.43699087e-15
 3.26360994e-10 1.65112281e-12 2.62693506e-10 1.68634690e-11
 4.83667689e-11 4.41795125e-12 6.06016834e-11 2.78946449e-10
 2.62651660e-08 1.94954525e-10 7.95617439e-08 9.14769302e-11
 1.48874680e-11 1.60108714e-11 4.74703606e-15 3.91354379e-15
 3.16662044e-11 4.75087136e-10 7.92529063e-12 2.76821357e-08
 2.01087492e-13 1.94814955e-08 1.21998385e-08 4.77459110e-13
 3.30918137e-09 1.72339902e-08 9.32036559e-10 1.96648531e-10
 3.16879256e-09 2.72958631e-13 4.44167408e-13 1.56092240e-11
 9.90086306e-08 5.09018203e-16]


0.9999987


0


[2.1253658e-07 7.8032294e-12 3.1132247e-12 1.7050957e-09 2.0415451e-10
 1.0130172e-07 8.6368523e-10 5.4224344e-16 1.4091048e-10 2.4117758e-10
 6.8669175e-11 1.7022256e-10 2.4520474e-13 4.5909121e-09 4.6859492e-07
 2.3732879e-11 1.4204626e-10 3.6890142e-09 7.3452099e-11 3.0765502e-08
 7.3008671e-10 8.3886782e-09 3.2639063e-09 2.4011573e-08 1.4187784e-10
 4.6909662e-07 1.2298086e-12 5.3458674e-12 8.3521972e-09 3.3935277e-07
 6.5825034e-09 5.9093925e-09 1.8540358e-10 3.8704218e-09 1.4871302e-11
 1.6692722e-07 2.9345713e-09 1.2763577e-07 9.7560114e-06 6.6457723e-08
 9.9981815e-01 8.2782262e-13 1.0377100e-09 8.6162608e-08 2.2677142e-08
 3.7136152e-10 4.2774936e-06 1.6261057e-08 1.1445027e-09 7.6253212e-11
 3.7476116e-11 1.2547505e-09 1.6495786e-04 5.6547137e-12 7.5865619e-10
 3.0766216e-11 7.0688732e-15 3.9429590e-13 1.3152507e-07 6.4190826e-11
 3.4340828e-09 3.8847341e-12 4.3047688e-08 1.4369770e-09 6.3831843e-12
 6.1083378e-09 9.2169392e-09 1.3473791e-12 1.0707938e-12 1.4556242e-10
 4.1951331e-11 1.6054969e-12 1.1851794e-08 4.6194904e-07 4.8097648e-10
 1.1655003e-10 3.4205475e-11 1.2604701e-11 2.8801962e-08 5.1323503e-12
 1.8074904e-11 4.4338133e-13 2.0483698e-11 7.5230580e-14 2.5119637e-09
 5.3847151e-15]


0.99981815


40


[6.2210921e-09 3.9935288e-10 3.6524106e-16 7.1954712e-12 1.9502876e-15
 1.3209524e-08 1.2017261e-10 3.4747320e-17 3.3974660e-13 2.8639065e-13
 5.5671483e-12 5.9915042e-12 5.0631188e-12 1.4866081e-10 2.6898556e-07
 5.4743336e-14 1.1095944e-12 3.4608722e-11 2.8135308e-10 6.1725580e-10
 9.9407739e-11 2.4469352e-07 1.5437202e-11 9.2475338e-10 4.8237879e-11
 9.9999678e-01 1.9887927e-14 7.8257789e-15 7.9930668e-10 1.2347431e-09
 3.8986403e-13 6.4726642e-13 2.9364761e-11 4.7081208e-14 1.3686022e-15
 4.1843059e-13 6.7521195e-13 2.4173871e-11 1.0321920e-09 5.4495216e-13
 2.7028943e-06 1.8630100e-14 3.2459124e-13 2.4709279e-10 5.0110323e-14
 6.0033602e-14 8.3796176e-10 1.6062840e-11 5.1354488e-13 5.3817167e-14
 7.5544280e-14 5.7823912e-10 4.5751513e-08 1.4238175e-13 9.3849321e-12
 1.5006993e-13 4.9790730e-16 8.2395004e-17 5.1229172e-09 1.4512611e-12
 1.3834705e-11 1.0544765e-14 2.7844013e-08 1.6941336e-10 1.5706530e-14
 3.0088904e-10 4.6864401e-10 9.9836650e-14 2.5027305e-14 3.6507394e-12
 5.4343432e-14 9.6354522e-13 1.9627905e-10 1.1410373e-11 1.5607223e-12
 1.3854577e-09 1.3937303e-12 6.0454016e-15 1.5212213e-09 9.2147613e-15
 4.4213244e-15 1.5703984e-14 1.0794756e-12 7.0863000e-14 8.6464516e-11
 6.2142808e-18]


0.9999968


25


[1.43596368e-09 2.50670415e-13 1.46482511e-12 1.06996374e-11
 1.99358766e-10 1.39416881e-10 3.26447654e-11 4.54068698e-15
 1.95932658e-12 1.33853226e-12 3.09894168e-12 3.13175186e-13
 9.11385811e-12 3.90242699e-11 8.00817759e-07 6.45239903e-11
 4.38837844e-07 3.45216322e-09 3.87057980e-06 3.34146665e-04
 7.23907476e-08 9.99654412e-01 1.32311406e-09 5.22518621e-06
 9.14652887e-08 3.80385323e-09 2.61239966e-12 3.58701372e-12
 9.24631749e-08 3.09315767e-10 3.32350154e-11 1.49236512e-10
 2.55130167e-10 2.67336778e-11 7.01029165e-12 1.22731807e-08
 9.85507898e-10 1.38846412e-09 2.77246270e-09 1.36722234e-09
 1.46726180e-07 1.21683530e-09 1.08721443e-09 7.73601849e-10
 5.43522727e-11 5.23343424e-10 1.31737075e-08 5.17395563e-07
 4.67194117e-10 1.44383821e-12 1.22583063e-11 2.19318383e-11
 2.90015101e-09 1.55307781e-11 3.11932563e-11 3.47504008e-13
 4.11874446e-14 3.15968303e-16 1.39318068e-09 1.96328561e-11
 7.75979281e-11 3.13684544e-13 4.00344702e-10 1.65120294e-12
 2.59066477e-13 8.52584670e-11 9.26155763e-10 7.75208110e-12
 1.46460535e-11 1.65043326e-10 8.27823313e-12 6.80004881e-13
 2.77244408e-11 1.00219266e-09 3.65247360e-10 2.64769578e-11
 3.58306136e-12 2.59290907e-13 3.38787416e-08 1.92779362e-10
 3.48759677e-13 4.90068327e-14 2.39676178e-11 1.61211694e-15
 3.10590956e-14 7.10768358e-13]


0.9996544


21


[9.94913165e-08 2.72364417e-07 3.46022213e-12 2.49357202e-10
 4.47779647e-10 1.41195791e-10 2.32855096e-10 2.60992481e-13
 8.26843422e-13 4.13035717e-11 1.44711312e-10 1.67016783e-08
 2.53328651e-12 2.32128303e-10 9.99996424e-01 7.64946648e-11
 1.39192856e-12 1.39134065e-10 8.25255420e-09 7.92510733e-08
 1.28424202e-10 1.45473757e-06 4.39224379e-10 7.46785020e-07
 4.61730778e-08 5.45355476e-07 1.23451588e-14 4.28618627e-14
 2.73107787e-07 1.11123555e-08 3.55359188e-13 2.23391826e-11
 2.63737001e-11 3.31229467e-12 1.96853993e-15 2.99467708e-11
 1.56102843e-12 3.12489964e-12 1.52938939e-10 1.49232349e-10
 1.40454781e-09 7.97675511e-13 1.70473621e-13 2.93399055e-10
 2.70252655e-14 5.07844472e-13 2.88384761e-09 1.05249108e-10
 6.33847141e-12 1.24376461e-13 4.07260515e-13 1.38943251e-12
 1.35889056e-09 2.74108942e-13 1.56397742e-10 2.62781966e-11
 5.48609582e-16 5.38850915e-16 1.83224957e-09 2.73224082e-10
 1.66026221e-11 7.30546049e-13 9.93975657e-09 1.22734973e-11
 1.53551325e-13 5.62656921e-10 4.49093228e-11 5.39229035e-13
 8.56669857e-12 1.00175146e-10 3.33958534e-12 4.80973907e-11
 6.82713441e-10 2.54778754e-10 8.19601123e-11 2.68521951e-08
 2.99447576e-12 4.13503104e-15 2.86989765e-10 6.42934143e-12
 8.40275318e-15 5.21521465e-13 4.94844400e-12 8.20206668e-14
 3.48566231e-10 2.96072346e-16]


0.9999964


14


[1.46592399e-07 3.67804637e-13 1.01363154e-11 2.42494219e-12
 4.64387175e-11 4.20826907e-14 1.61581284e-12 2.54267280e-14
 1.43674953e-07 1.48025953e-10 1.76715934e-11 1.15696189e-10
 8.44145795e-11 8.77082868e-12 4.53910104e-07 8.74249739e-09
 2.37752289e-08 9.77478809e-09 3.52474427e-09 5.30781244e-06
 7.65968977e-08 6.69553901e-06 1.15767889e-07 9.99985814e-01
 2.19112497e-08 5.56599593e-11 5.09055242e-09 2.62726702e-10
 1.06193056e-07 2.82639547e-08 2.01030961e-08 4.69468695e-08
 3.82476578e-10 1.85988669e-10 1.47140744e-09 3.15586220e-07
 2.42638253e-11 1.79752524e-09 1.36406209e-09 4.74020396e-07
 1.35658962e-09 1.47382850e-09 4.93985096e-11 4.23379699e-11
 1.02488096e-09 1.48859969e-11 4.05364702e-08 9.41453315e-09
 2.80390544e-10 3.94051675e-12 1.26194527e-10 4.07748949e-13
 2.97694147e-10 9.89841195e-12 2.80175794e-09 9.60702629e-10
 2.97686042e-11 1.68843984e-11 1.48336909e-09 4.53929605e-09
 4.54360949e-09 3.95196688e-11 2.06303974e-09 3.11109472e-11
 1.80004689e-09 2.70226875e-12 5.79867534e-13 3.59026350e-12
 1.20784396e-10 1.12515743e-11 8.65293514e-12 6.45611412e-11
 6.29350250e-13 6.70511380e-09 2.09908824e-09 2.40668640e-12
 6.56344857e-12 4.22663857e-12 3.01999425e-10 1.28573712e-08
 3.19627623e-11 1.81685344e-11 6.91089642e-14 2.82172506e-12
 1.64811487e-09 4.61471139e-13]


0.9999858


23


[9.9996018e-01 1.6014499e-11 5.1771543e-10 1.0009737e-07 6.2956259e-12
 9.4949031e-12 8.0543669e-11 8.4035784e-13 2.9828060e-09 1.6180437e-09
 3.8713316e-10 1.0131389e-09 1.7737249e-12 3.0821898e-09 4.9563346e-07
 6.0717568e-08 5.6290621e-09 2.0330547e-06 2.1468574e-09 9.7222721e-07
 4.1494172e-08 4.4093778e-09 8.2738978e-08 2.3739629e-05 2.1665967e-07
 1.1692310e-10 7.8166700e-09 7.3504029e-11 1.4147494e-08 3.6163482e-07
 9.0876888e-08 6.5969767e-09 4.6852340e-09 8.3305640e-10 2.8311682e-08
 3.1781406e-07 1.0039411e-11 7.0364958e-09 6.2237104e-06 2.3420219e-07
 8.5463803e-08 5.4394413e-11 9.2209179e-10 5.7860770e-09 3.5526775e-09
 3.8024427e-12 6.2771491e-08 6.0646355e-09 2.7805286e-10 3.9062086e-13
 5.1360301e-11 9.7374374e-12 6.0677015e-09 9.8237347e-12 3.8176218e-09
 2.8462824e-10 7.0519666e-11 1.2149124e-11 1.5574621e-07 7.5579982e-07
 6.2477056e-08 2.4143326e-10 8.2500048e-07 8.7776081e-10 6.5348792e-07
 2.7974798e-08 1.0319332e-10 4.9914879e-13 7.3280787e-10 1.6903122e-09
 3.8259867e-07 2.9664021e-10 1.4451623e-11 1.2110246e-07 6.5193979e-09
 2.4368760e-11 4.5769952e-10 4.5134265e-09 1.4921898e-06 7.8745885e-11
 7.2223016e-10 1.3079327e-12 1.1199970e-10 4.7990773e-13 1.4712477e-07
 1.3143119e-12]


0.9999602


0


[1.24133021e-06 7.84419751e-12 7.34351815e-12 1.35688811e-06
 3.16944831e-10 1.76187651e-08 1.71603825e-11 2.40878806e-15
 1.47718591e-11 8.79877282e-11 1.48286416e-09 4.16658062e-11
 1.10801613e-12 9.41654865e-10 1.42265062e-08 4.56636118e-12
 4.02893821e-12 7.44598161e-09 2.33443625e-12 6.76348255e-10
 2.93839203e-10 1.79248977e-10 8.05389799e-09 8.21931234e-09
 3.01010022e-10 1.42136969e-07 2.24838325e-11 9.69422112e-12
 6.46998615e-08 5.41170175e-09 7.69791875e-09 8.29306956e-10
 4.53908333e-09 1.74918586e-08 1.75051831e-11 2.15685958e-09
 3.92795909e-12 3.79710619e-09 9.99965787e-01 3.46947431e-08
 2.19688864e-05 1.58805122e-11 7.96423927e-10 3.39539997e-06
 7.76064435e-10 4.38028572e-11 1.13441672e-06 4.65632466e-09
 6.89132709e-11 1.43379275e-11 2.94205675e-12 5.87408622e-10
 4.69388988e-06 2.11832440e-12 3.60958569e-10 3.57969578e-12
 6.67160608e-13 1.77493789e-14 4.67607175e-10 2.39111474e-11
 1.27742235e-08 1.01961890e-10 4.70739678e-08 2.11269047e-09
 1.32355202e-08 1.09833830e-10 1.06228186e-11 9.82350377e-13
 2.59707551e-11 3.75725167e-13 3.07128434e-10 5.90625259e-13
 3.84842540e-11 1.78136100e-11 3.88979821e-10 3.63766482e-11
 7.21041907e-11 8.37535596e-12 3.16835767e-08 5.71118836e-13
 3.84509091e-09 4.02112100e-13 2.25280055e-11 3.89011462e-11
 1.36170888e-08 1.66408142e-12]


0.9999658


38


[5.14936005e-08 2.94841457e-10 2.45462652e-15 1.50711692e-08
 1.38114304e-14 3.01183327e-08 5.70559745e-12 5.70745782e-16
 3.58023680e-12 5.00834075e-13 6.70712444e-11 2.25550481e-12
 3.17201690e-12 3.60782342e-11 4.90756680e-09 2.32657589e-14
 1.77612143e-13 2.48297993e-10 1.16289435e-11 3.36752931e-10
 4.54762582e-11 8.15085865e-09 5.26775411e-12 6.60179272e-11
 5.41514750e-11 9.99998689e-01 1.09342622e-11 1.29676421e-13
 2.45828513e-08 8.96212882e-10 1.35685727e-10 2.34830384e-12
 6.40642606e-09 9.69733668e-11 7.07768956e-12 4.29388382e-12
 6.07526182e-14 1.65179450e-11 1.14872125e-06 1.39184289e-10
 2.63059281e-08 1.82623252e-12 1.58103704e-11 1.40209453e-08
 1.48449775e-13 2.88965019e-14 1.06719200e-09 3.18811019e-11
 4.31817819e-12 9.59268404e-14 1.09651403e-13 2.61471289e-10
 1.58739102e-08 3.51547676e-13 5.47849155e-10 1.16000010e-13
 3.01997229e-12 4.36246108e-15 9.03891198e-11 1.42507005e-13
 1.25426509e-11 9.36840232e-13 2.74153642e-08 1.55147617e-09
 2.20728480e-09 1.63911211e-11 2.93706113e-13 7.52125955e-14
 6.95248442e-11 1.33616000e-14 2.92239140e-14 1.33634998e-12
 4.00351383e-13 6.98657440e-13 2.99979876e-12 2.43350496e-11
 2.21498113e-13 5.28456232e-15 1.18442112e-09 2.06856559e-14
 6.82155504e-13 1.13825092e-14 1.75421168e-12 2.04261885e-10
 1.48385597e-08 4.37318928e-16]


0.9999987


25


[1.35221444e-05 1.52164958e-07 4.17312890e-07 3.32609488e-06
 9.97907382e-11 2.76918910e-09 3.65936903e-09 6.69882496e-08
 1.27906285e-04 6.90299418e-09 2.01209726e-11 1.67538943e-07
 1.36155850e-05 4.45169146e-09 2.60676680e-09 4.20980001e-07
 3.56362619e-07 8.57123382e-07 2.12150777e-08 4.06815531e-07
 2.87823013e-07 1.13889416e-06 1.93170024e-07 9.93805224e-06
 6.86824677e-08 3.51979317e-08 6.64050458e-06 3.02578655e-07
 1.85925886e-01 1.91670433e-02 5.14049530e-02 4.98761863e-01
 3.29626575e-02 1.78986844e-02 1.92691475e-01 5.95749634e-06
 1.32746266e-06 8.46922467e-06 8.11823993e-05 4.52688291e-05
 1.10297497e-05 3.28560709e-05 1.50436017e-06 1.15976600e-05
 9.80570803e-07 5.20080175e-06 1.59933188e-04 1.50057880e-04
 2.45692399e-06 5.25344710e-08 2.10436301e-05 4.00977340e-09
 5.63327831e-06 2.59062305e-09 1.81221640e-06 5.18935153e-08
 1.68268944e-05 2.86492414e-05 2.32221992e-05 6.45209439e-05
 2.88464144e-05 7.94259322e-05 1.00606514e-04 2.94050636e-07
 3.49831789e-05 2.12487308e-08 1.02349604e-08 9.21085928e-08
 2.70407924e-07 4.29420446e-08 2.44647458e-06 3.87926065e-08
 1.31375032e-06 8.31994953e-07 4.41325454e-07 6.21939611e-09
 2.48817523e-05 2.08932142e-05 3.72612590e-08 2.49289478e-05
 3.67865937e-07 1.26163320e-08 1.04119735e-08 1.14750048e-06
 5.91793741e-06 1.80011224e-08]


0.49876186


31


[9.90498602e-01 1.29913431e-04 3.70002375e-08 4.90248340e-06
 4.27147873e-13 8.70527428e-10 7.37597483e-10 2.12801687e-09
 3.52994611e-09 6.58364696e-09 1.76440673e-09 4.13068155e-05
 2.64620242e-10 2.76655676e-09 1.20125742e-06 2.50225952e-07
 4.18563267e-10 1.22675399e-08 1.47554180e-09 8.14441581e-09
 2.78665491e-09 1.00893571e-10 7.64449942e-06 7.02663598e-08
 1.42468632e-08 3.81725496e-09 4.33392100e-10 1.61843663e-10
 4.97569630e-09 1.82617399e-07 4.04953537e-09 1.39046552e-08
 1.25416513e-08 2.95237307e-10 9.87342652e-09 1.05958686e-09
 3.72886916e-10 1.71623687e-11 3.50062557e-09 1.94556948e-09
 1.20722987e-09 3.90644635e-12 1.81588494e-10 2.34941684e-08
 1.08092328e-11 3.95788003e-12 1.02807164e-07 3.28960470e-10
 1.45489653e-11 3.82996109e-12 1.04407261e-10 4.73463196e-12
 1.39537795e-08 9.77557792e-12 3.69848749e-07 5.80414106e-10
 1.10099031e-11 1.59207768e-11 4.36054179e-08 9.00103169e-06
 3.79781179e-10 6.43153228e-08 9.99261374e-07 5.73686343e-09
 3.30501931e-10 1.32355114e-08 1.78758244e-10 6.68647256e-12
 2.23179764e-09 8.21009564e-07 9.25279688e-03 1.10083086e-07
 8.02823408e-09 7.12374742e-07 2.66568811e-08 9.82910677e-08
 1.38606154e-07 7.45433582e-08 7.33454115e-08 1.32721674e-08
 3.88562821e-10 4.63930727e-10 1.35389129e-07 3.64659136e-10
 5.01553914e-05 6.14933343e-13]


0.9904986


0


[7.47640224e-05 8.81280066e-05 2.22827803e-05 3.58031213e-01
 5.13289706e-07 2.95190730e-05 1.21671633e-06 2.89037331e-07
 4.41238657e-03 1.28022839e-05 2.00271998e-07 1.16752144e-05
 8.97185455e-05 6.87435204e-06 8.93443485e-06 2.45092565e-07
 8.55070112e-08 9.91178126e-08 1.51802112e-07 4.64330185e-07
 3.49158682e-07 1.58786140e-08 1.06181842e-05 2.20814036e-06
 3.60413779e-08 4.24938444e-05 1.16208546e-04 1.04938124e-06
 4.41439897e-01 3.70542519e-02 6.42985804e-04 3.74184996e-02
 1.36349043e-02 2.73650642e-02 1.31469674e-03 2.85991875e-04
 1.57833867e-07 9.14669272e-06 4.87858706e-05 1.68287497e-05
 4.81387069e-05 1.18551816e-05 2.34212348e-06 3.20226885e-04
 1.19105459e-06 1.86971124e-06 9.62126505e-05 5.02066177e-06
 1.75188757e-06 1.65116671e-06 4.48437459e-06 3.48121631e-07
 7.94728840e-05 4.06736253e-05 1.58386501e-05 1.89946386e-05
 4.03045793e-04 3.39774451e-05 8.97184247e-04 5.12162151e-05
 8.85769899e-04 1.77709814e-02 1.34247774e-02 1.76988859e-02
 3.87465290e-04 5.65852032e-09 2.49269135e-07 7.30629154e-07
 4.62496530e-07 2.93373489e-07 1.25737415e-05 3.66058572e-07
 2.80807012e-06 1.35715868e-06 1.68287825e-05 8.97475547e-05
 4.54046403e-06 9.50635766e-08 3.53696009e-06 4.40300792e-05
 9.78509661e-07 1.20206414e-06 4.55124609e-06 2.18544828e-05
 2.53937654e-02 8.92736068e-07]


0.4414399


28


[2.7990566e-06 2.5683651e-06 2.8404981e-08 6.4525625e-07 1.2198924e-08
 3.7370341e-08 7.0977478e-08 6.6584312e-07 6.0472565e-05 1.7707411e-05
 4.0646141e-06 6.0990872e-04 1.7053313e-05 1.1718213e-05 4.3885317e-03
 1.3621699e-06 4.9423249e-07 9.3803921e-04 1.7287687e-03 4.7246808e-06
 4.1336961e-08 6.7559108e-07 1.8263300e-07 1.4744591e-06 2.3594561e-07
 2.2438742e-05 1.4783747e-06 1.4440096e-08 1.6043774e-05 1.4873732e-04
 1.3022172e-08 7.1638931e-07 5.4447348e-05 5.0003569e-06 1.0123057e-06
 6.1296795e-08 1.6480897e-07 7.4881136e-08 3.9449347e-08 1.2987508e-06
 3.5865916e-08 1.4128911e-08 1.4132017e-07 1.4273695e-07 5.6944993e-10
 8.5994838e-09 7.0996339e-07 1.7395902e-08 3.3399861e-08 2.8824971e-07
 6.7682500e-08 1.9271179e-10 3.9846366e-08 6.8482646e-09 9.4446714e-06
 1.8612665e-05 3.8480586e-05 1.2604344e-08 3.9677393e-06 2.7217206e-08
 6.8463312e-05 1.6435419e-04 1.2626893e-04 4.4548571e-05 8.6629638e-07
 1.5428593e-06 6.7642624e-08 1.0672367e-08 5.4187046e-07 1.9459713e-07
 1.2393116e-07 4.4226622e-06 1.2807830e-06 1.3000421e-06 6.6363242e-07
 2.2525040e-07 1.9027593e-07 2.5630334e-06 9.1136104e-10 7.8157666e-07
 6.3330198e-08 5.1334119e-08 9.6293480e-09 6.5700027e-07 9.9146503e-01
 9.0960706e-10]


0.99146503


84


[7.67387901e-05 1.38835776e-05 8.93738203e-08 9.85108912e-01
 5.35015088e-10 2.22072103e-07 9.48143430e-09 1.42895279e-10
 4.07863382e-07 3.62488692e-07 1.89540188e-08 1.14646337e-09
 2.10881757e-09 1.33745431e-07 5.07724435e-05 2.76758089e-10
 1.17728749e-09 1.18104637e-08 2.44464804e-09 1.60118656e-08
 6.49102017e-09 6.76862513e-08 8.62358411e-06 3.79880341e-08
 7.40253681e-09 1.45756695e-02 8.09083467e-09 7.90340682e-10
 5.08932026e-05 9.56660915e-06 1.52770963e-10 5.35766169e-08
 9.10882392e-08 1.87979012e-07 7.69553026e-08 5.15092635e-09
 1.09526566e-09 7.96613775e-10 1.74910201e-05 3.18193361e-09
 1.59571937e-05 6.08478379e-09 3.05888004e-09 2.00750591e-07
 1.06027184e-11 3.95641492e-10 3.61455818e-07 4.87388377e-07
 1.03829678e-09 1.04189296e-10 5.16805709e-10 2.74441270e-08
 6.63278172e-07 2.29789254e-09 2.37647578e-06 3.42951473e-10
 1.10894328e-10 4.63932983e-13 3.47177632e-07 2.30003465e-07
 2.00762553e-08 2.31253434e-05 8.48957188e-06 1.63337882e-05
 8.92902426e-06 1.01841152e-07 8.98616577e-08 4.18362428e-10
 8.59997584e-09 2.55301169e-10 2.46517669e-08 5.83719573e-10
 9.54767714e-08 8.70412276e-09 1.38915240e-07 5.88139073e-06
 1.18691101e-08 1.04548334e-08 1.19981207e-08 6.77782996e-10
 1.73841122e-10 4.74708918e-11 1.19503651e-08 1.19865118e-10
 1.66015366e-06 5.52553879e-12]


0.9851089


3


[2.7788416e-09 6.9170708e-10 4.4172735e-11 1.4247831e-07 2.8212630e-12
 2.0545971e-13 1.6809106e-12 1.9189034e-11 3.3360064e-07 9.6095614e-13
 1.4342940e-16 3.9869160e-11 2.1084621e-09 3.1918830e-12 1.9258994e-11
 4.2766672e-11 8.5442244e-11 4.7086255e-11 2.0613979e-11 3.8057568e-11
 3.3693288e-11 5.2766073e-12 2.4290328e-10 8.1646001e-10 1.9919270e-13
 2.4552266e-12 3.0252525e-10 2.0939332e-10 4.2654408e-04 8.4946645e-05
 3.5510860e-07 9.9936062e-01 7.1785318e-05 1.0551762e-05 4.4313798e-05
 3.8764780e-10 2.1504640e-11 3.7778007e-09 3.4986979e-08 9.9253931e-08
 1.1112945e-07 4.0164255e-10 6.8067986e-12 7.5950254e-08 1.4525533e-11
 1.5845144e-09 7.7252862e-09 5.2284466e-09 1.8559820e-10 5.9632193e-13
 2.1532778e-09 1.9611537e-13 3.3744882e-10 1.1441284e-11 6.2161354e-10
 3.7725563e-14 7.6076999e-11 1.7967294e-10 1.8365910e-08 1.7552036e-08
 2.9287531e-11 1.6017045e-08 2.1665503e-10 1.0430196e-10 7.5658702e-10
 1.8202584e-13 2.4767968e-12 5.2808756e-12 1.8899383e-12 6.6306041e-12
 1.0463537e-09 1.4030451e-12 1.4253343e-10 3.6494663e-09 5.1191058e-11
 8.3849707e-12 1.1066528e-09 6.0808807e-09 1.9102794e-13 1.5956610e-08
 1.0102348e-11 1.6332034e-10 1.4291482e-14 1.2413048e-11 2.5267894e-08
 6.1218118e-12]


0.9993606


31


[1.22026881e-06 3.97452777e-06 1.21485072e-10 9.99981403e-01
 1.79999082e-09 5.15865094e-11 2.58187287e-12 1.49869249e-11
 2.99667062e-12 2.14042757e-08 1.99841296e-10 1.37479042e-10
 1.18632569e-11 2.14727767e-11 1.05437357e-05 2.17959623e-10
 6.32121376e-14 3.89675514e-11 9.64716935e-12 1.05449816e-11
 8.47694970e-11 1.10666545e-11 1.75927630e-06 4.60420091e-10
 8.63497641e-12 4.00119660e-11 1.10982235e-09 5.54142808e-11
 5.75297996e-08 3.00617670e-10 5.57880510e-13 7.80607845e-09
 1.07884524e-09 2.26754793e-08 3.15921317e-10 7.85684226e-11
 5.14030875e-13 3.27584953e-15 1.77656867e-09 1.60574175e-11
 1.01949538e-09 7.85015802e-12 6.56366373e-14 5.17771070e-09
 2.81309027e-14 8.05750594e-14 2.91802416e-10 9.43138970e-12
 1.34945576e-13 3.63718895e-14 6.87865433e-12 6.49746663e-12
 1.49353391e-10 4.92840387e-11 2.21570495e-08 1.16331898e-13
 6.45171179e-16 8.50439396e-16 3.82399934e-09 8.89750287e-11
 2.37307656e-12 3.29483726e-07 6.85096424e-11 8.68525252e-09
 1.64655456e-10 6.94565065e-13 7.99665629e-12 6.58944730e-12
 5.31042614e-12 9.10381076e-11 4.35074924e-07 1.35801830e-12
 4.64624129e-12 1.65726100e-10 1.51522031e-10 5.44526113e-09
 1.27935449e-11 6.46990739e-10 1.59460761e-11 4.70224248e-10
 1.79406533e-12 1.93375546e-12 2.22984478e-11 1.65298797e-12
 6.64977406e-08 5.41299319e-13]


0.9999814


3


[9.88294254e-04 2.63379305e-03 4.57600754e-06 7.44304946e-03
 4.91332475e-10 2.20191325e-07 3.57392693e-08 1.46338209e-06
 1.32921748e-04 1.15816067e-04 2.77652373e-10 1.26457564e-07
 3.19176506e-05 5.43617261e-07 1.79348615e-06 2.09444465e-07
 1.63558189e-09 4.67027439e-09 5.98789329e-09 1.09601785e-07
 4.01367046e-08 1.06177973e-08 3.23971108e-08 2.43921193e-07
 3.27357021e-08 4.20361403e-07 6.95240742e-05 2.80482368e-07
 1.48633093e-01 2.37768007e-04 1.05932304e-06 1.93841785e-01
 8.73918761e-05 1.12081796e-01 1.54706038e-04 1.00192688e-06
 4.08229056e-07 2.52785270e-07 1.68509869e-05 6.85469331e-07
 7.09400592e-06 1.50680478e-07 8.63148841e-08 5.70567317e-05
 4.62869165e-09 4.47940920e-08 1.51449569e-06 1.01372825e-05
 6.49438405e-08 1.62524287e-08 2.71662225e-06 1.71789637e-07
 1.25902332e-07 9.31485483e-05 1.39900358e-05 7.97596922e-09
 3.15817829e-06 1.66157804e-07 4.09946125e-03 5.22249229e-06
 5.37142512e-07 4.61059451e-01 9.44566564e-05 6.71682879e-02
 2.78313710e-05 1.57077118e-09 1.19400978e-08 2.81318027e-08
 1.13099619e-08 2.31201312e-07 3.02550529e-06 4.52367203e-07
 2.12005503e-07 4.12429108e-05 6.25705576e-09 2.06718723e-05
 6.29129136e-06 2.12115137e-05 4.78240629e-08 3.69669397e-05
 7.26067242e-07 9.25367749e-06 1.34891525e-06 4.84883185e-06
 7.26052094e-04 2.16478043e-07]


0.46105945


31


[9.00338091e-06 8.78692026e-06 4.38045731e-07 1.51061222e-05
 1.22682309e-07 1.39658214e-08 2.66911737e-09 7.62766285e-05
 8.84943802e-06 1.36995868e-05 1.22324755e-08 1.73865158e-06
 6.38415486e-07 4.43913564e-07 2.74704166e-06 3.36092313e-07
 1.65540435e-08 9.15257202e-04 1.70083978e-04 8.21902233e-07
 3.70560713e-07 2.55280128e-07 3.41159108e-07 8.97424798e-07
 1.40704186e-08 2.82999082e-08 4.74158105e-06 2.33322893e-07
 7.40959030e-03 6.49404596e-04 5.86366805e-05 1.71445281e-04
 2.13968113e-01 7.74072170e-01 1.14419643e-04 1.19266560e-05
 2.01492668e-07 4.28553477e-07 2.89392665e-06 2.48617162e-05
 1.25336487e-06 2.42489768e-05 1.87666524e-06 5.85441148e-06
 1.06072292e-07 4.10596783e-07 7.25684959e-06 1.32342200e-06
 1.67012061e-07 2.69249600e-08 7.01914632e-06 4.38532446e-08
 3.88078490e-07 3.35569439e-08 7.21446713e-06 1.07573086e-07
 2.71301087e-06 5.52400081e-08 1.32168407e-06 1.42717829e-08
 5.56765826e-07 3.50236485e-04 6.08851860e-06 2.03001080e-04
 1.57636691e-06 1.00317674e-08 3.17186855e-09 7.78994149e-08
 3.50878473e-08 9.31827202e-08 4.20189906e-07 3.47679396e-08
 6.23519611e-07 1.06694472e-06 7.42505151e-08 3.00910976e-08
 3.68969637e-07 4.08417054e-06 8.93538132e-09 3.49521542e-06
 4.93006667e-07 5.33458575e-08 7.74113396e-09 1.98359248e-06
 1.62935827e-03 1.94278582e-05]


0.7740722


33


[1.33258106e-06 2.30886490e-05 1.90881574e-10 1.23132577e-06
 2.64001909e-09 1.60366252e-11 1.28182617e-10 7.95854760e-07
 6.23665812e-07 1.22748133e-06 3.20398656e-12 2.88318972e-07
 4.22800426e-08 2.42703924e-09 4.91245657e-07 4.29819380e-07
 5.84113757e-10 2.94081531e-07 4.36615899e-09 4.98919261e-09
 3.02546344e-09 9.52469326e-10 3.18487192e-09 1.44379477e-08
 7.90503329e-10 2.54978483e-10 2.86300815e-06 2.30871700e-09
 9.95201111e-01 1.69999621e-04 1.27883313e-05 2.23215349e-04
 2.95223692e-03 8.94234166e-04 4.71170380e-04 1.68551963e-07
 1.14126024e-08 8.86611495e-09 1.10380633e-07 1.46625018e-06
 1.93669734e-07 6.70117117e-08 6.78730139e-09 1.02647334e-07
 1.90757921e-09 1.72807830e-08 4.95252948e-07 1.80616823e-07
 7.42846051e-09 6.41656783e-10 8.69126779e-08 2.42897369e-10
 6.58161570e-09 2.60835020e-10 1.91880588e-07 1.28280031e-09
 3.60616667e-07 4.00235294e-08 3.93239634e-06 3.04784376e-09
 1.92348966e-06 2.43358481e-05 1.21489768e-06 1.27913793e-07
 1.52537368e-07 6.21026910e-11 1.14602751e-10 2.42895193e-09
 4.87549645e-09 3.51727181e-09 3.86929145e-07 8.85445886e-08
 4.16372359e-09 2.75298680e-06 2.35464592e-10 6.31801989e-09
 3.02441663e-07 3.12492176e-07 2.44194359e-10 1.62989795e-06
 4.59218485e-09 3.39905348e-08 4.75873008e-10 1.13861589e-07
 1.59211720e-06 5.46203360e-10]


0.9952011


28


[5.25221481e-07 9.99994516e-01 1.30867997e-10 5.41439249e-07
 1.04804220e-13 2.91194369e-12 3.68229145e-12 1.66369780e-08
 2.71659171e-12 1.50955970e-07 3.50109048e-12 3.28987767e-06
 4.53496268e-10 5.57041011e-11 1.65489567e-07 1.09750975e-09
 1.20160865e-14 5.14193063e-11 1.40149030e-11 1.06807427e-11
 7.35951751e-12 4.65154879e-13 2.94340718e-10 4.10975282e-11
 5.76442574e-11 1.79348411e-11 5.00482322e-10 2.93294550e-13
 1.70336321e-07 3.86215104e-09 1.10023544e-11 2.63784411e-10
 2.36785203e-10 1.84100823e-08 6.85293627e-11 1.63764510e-12
 2.17196985e-12 1.06280178e-13 2.27714410e-11 2.29756947e-12
 6.72228245e-12 1.23321980e-13 6.14748256e-14 6.21375840e-10
 4.06712780e-15 2.05757164e-13 1.23313693e-10 5.10810307e-13
 2.67549410e-13 9.16126550e-13 1.38019316e-12 1.75948435e-13
 9.98597472e-12 5.90647865e-13 7.49632412e-10 7.29161263e-12
 3.64336469e-12 1.70707890e-13 1.99797157e-09 8.84145014e-12
 4.51857336e-11 6.39011049e-08 1.65241631e-09 2.06098494e-09
 5.28935836e-12 1.05689556e-12 1.15777369e-13 3.58689966e-12
 9.06888280e-12 7.08941794e-11 8.71133032e-09 1.44391221e-10
 2.47314495e-12 1.73520898e-09 2.80005619e-13 1.81396598e-09
 6.16581092e-11 5.89077814e-11 3.02572962e-13 6.73156586e-10
 3.50174317e-13 6.32732191e-12 5.51653390e-09 7.69044273e-11
 5.57373653e-07 9.14257802e-15]


0.9999945


1


[3.80607958e-07 1.24056555e-06 3.66940469e-08 3.77299428e-01
 2.99542400e-08 2.87301081e-08 1.00978035e-08 1.83239344e-08
 1.80470342e-05 2.96585313e-06 1.26836150e-08 6.71070495e-07
 1.60606203e-06 1.87229887e-07 3.97255747e-07 3.10428554e-08
 1.97200656e-09 7.02403099e-07 1.66657571e-07 4.65219188e-07
 8.89079459e-08 1.64293457e-09 3.60438946e-07 1.18461813e-07
 5.58678970e-09 1.63479186e-07 6.27487098e-05 9.45860705e-08
 3.27170976e-02 2.51329620e-03 2.96493408e-06 2.98170815e-03
 2.30700734e-05 1.11869574e-02 9.77260715e-05 3.27806652e-06
 7.80253195e-09 2.40316567e-08 2.18858640e-05 2.84445719e-07
 4.06581194e-06 4.87482090e-08 1.66503717e-08 8.73195822e-05
 1.41347591e-08 7.53969260e-08 6.33216951e-06 1.82247788e-07
 1.03193010e-08 1.94960936e-08 4.45537097e-07 1.66123925e-07
 1.87338583e-06 1.50150882e-07 5.59710884e-07 2.20861960e-08
 3.43731472e-06 1.68900414e-08 1.19593948e-04 1.83031943e-07
 1.53490156e-03 5.54986298e-01 1.47704035e-03 1.47196474e-02
 3.54717304e-05 7.42962447e-09 5.39542766e-09 6.10804278e-08
 1.77929621e-07 7.86720911e-09 4.34308248e-07 2.94344749e-09
 1.77156522e-07 1.82804411e-06 2.24436448e-07 8.73115766e-07
 1.59512350e-08 1.19254207e-06 1.73131255e-07 6.37767670e-08
 1.91892326e-07 4.50794779e-08 2.19113326e-06 4.81494737e-07
 7.56157315e-05 7.51561515e-08]


0.5549863


3


[8.96291454e-07 4.89186789e-07 1.04851117e-09 6.00804384e-08
 2.15058332e-10 7.08791532e-13 8.59760874e-12 7.44513651e-09
 1.26827206e-06 9.22796228e-10 3.83396277e-13 1.24238596e-07
 3.05845269e-08 4.90556033e-11 1.11437766e-08 3.98641697e-09
 3.72744724e-09 4.62632300e-07 2.93142843e-08 1.30765931e-08
 2.12539941e-09 7.43043127e-11 1.46817491e-09 6.05382278e-09
 3.07134422e-11 4.60641691e-10 8.95897938e-06 3.54560603e-09
 1.09809972e-02 2.54559942e-04 1.28975057e-03 8.75051599e-03
 1.94717722e-04 4.50017978e-05 9.78402317e-01 1.48546292e-07
 1.16507222e-08 3.73871352e-08 6.64961021e-07 9.75257080e-07
 1.48069091e-07 1.57873483e-08 4.97111907e-10 1.12413211e-07
 2.23064367e-09 8.60301874e-09 7.25843165e-07 1.10745376e-07
 9.68161773e-10 1.36005721e-11 5.84087445e-07 8.87973930e-11
 2.04246464e-09 2.36881903e-11 3.10120981e-07 4.15953079e-12
 1.70584669e-09 2.56023119e-10 1.88174511e-07 3.25147220e-09
 5.05839211e-08 5.59580185e-05 2.19665131e-09 1.23414789e-09
 1.80053789e-07 6.46417295e-11 5.65241267e-13 2.19414287e-09
 4.52347049e-09 5.24672472e-10 3.76477919e-06 3.80820664e-09
 1.85969851e-10 1.14942573e-07 3.48464757e-10 4.53150739e-10
 1.52020831e-07 5.10008613e-09 1.74317661e-11 4.69735596e-06
 3.75872972e-10 1.06977860e-09 3.33532269e-12 1.42564245e-08
 7.03507226e-07 6.77031209e-11]


0.9784023


34


[1.3299196e-07 4.3313793e-08 8.3559897e-09 9.9996305e-01 3.7749595e-07
 1.7564820e-09 1.5829360e-11 1.5324398e-13 6.9005683e-11 9.3857206e-09
 1.3621806e-08 1.2008242e-10 9.0335746e-11 1.2308687e-09 4.1525650e-06
 2.9239305e-11 5.3889259e-12 7.5052338e-09 6.0465244e-11 5.3785087e-10
 1.2774297e-10 3.1689002e-11 2.1138419e-05 1.2756116e-09 2.2823524e-10
 5.7997278e-09 6.1781668e-07 4.0357589e-11 9.4796405e-08 1.9257423e-10
 7.1397385e-12 2.5947996e-08 1.6428612e-09 2.2851177e-07 1.9597366e-09
 1.5127755e-10 1.2563273e-11 2.1581094e-12 3.1363772e-06 1.1198522e-11
 2.2117964e-08 1.3515360e-12 2.4188128e-12 8.0215057e-07 6.9740904e-13
 2.9321462e-11 1.1692267e-08 5.5519058e-11 1.7320345e-11 2.4613688e-12
 1.2472266e-10 1.4287806e-09 2.5318114e-08 3.8799913e-10 1.1466861e-06
 7.5723790e-14 8.3791701e-15 9.1703726e-15 6.8553430e-07 1.5517576e-10
 2.7112566e-09 1.3729442e-06 5.3833812e-11 3.6808771e-08 6.3021680e-08
 5.1045806e-10 5.3090807e-09 1.5810811e-10 1.6805933e-08 1.8038096e-10
 2.5656493e-07 1.0623027e-12 2.4392000e-10 5.2362581e-10 9.8737019e-10
 4.8170168e-10 4.3975937e-11 1.3859687e-09 1.2068929e-10 3.5648090e-10
 4.0125045e-10 9.0337546e-13 7.6421713e-10 2.0899388e-14 2.5342079e-06
 5.0106967e-12]


0.99996305


3


[1.6965159e-06 2.2780174e-05 1.2216747e-10 4.1418571e-06 6.1981141e-12
 1.7657506e-13 4.2105430e-11 3.0455661e-07 1.8785982e-05 4.5625733e-08
 4.5379144e-13 2.8438194e-09 1.2799587e-08 1.1217155e-10 8.3362920e-08
 1.0387424e-09 1.8082717e-10 5.2478050e-08 6.4369787e-10 1.8887458e-09
 3.5399450e-10 4.8579665e-11 2.9092145e-10 3.5410677e-09 3.0053536e-11
 2.5871882e-10 1.5956350e-04 2.0783447e-10 3.7935883e-05 2.5392166e-01
 4.3782769e-09 3.7327840e-04 1.9336903e-06 2.3479799e-06 6.8650973e-01
 1.4050733e-08 1.9652253e-09 1.4391009e-09 3.8639081e-07 3.7411652e-07
 1.6774361e-07 8.6620500e-10 3.5288689e-10 9.9771974e-08 4.8096551e-11
 2.4522073e-10 5.7522827e-09 9.3798818e-08 2.2096285e-10 3.2794730e-12
 1.5298076e-08 6.2953420e-10 4.6994075e-10 8.1079465e-10 2.2533688e-06
 8.9454247e-13 1.4830912e-08 4.4535861e-11 1.9774906e-07 9.6167935e-07
 4.4204441e-08 5.8851950e-02 7.2155601e-08 4.1894566e-08 8.5433348e-05
 8.8360103e-10 5.6880026e-12 1.0301989e-09 2.2856801e-08 2.2373600e-10
 3.4472432e-09 1.8921678e-09 2.5341913e-11 3.0755916e-07 1.9790819e-10
 9.8694122e-11 3.2772769e-07 6.0008483e-07 5.3011337e-12 1.3076943e-06
 1.2657961e-10 5.7630972e-10 8.1465832e-12 9.9813185e-08 8.1276852e-07
 1.9775506e-13]


0.6865097


34


[3.48876540e-07 2.28257235e-07 1.67934200e-09 3.76077340e-04
 8.27123927e-07 9.26144939e-09 5.02206898e-09 2.24027303e-07
 8.45944442e-07 1.48921004e-07 3.90455916e-08 7.27120124e-08
 2.84456490e-07 4.67390286e-08 2.24392193e-06 1.90210017e-07
 2.22068088e-08 7.70611921e-03 1.31155644e-03 3.15722968e-06
 7.09125425e-09 1.11970017e-07 3.44106539e-08 6.06778841e-08
 1.16235519e-08 1.82042150e-08 5.94385747e-05 1.08818714e-08
 1.13290824e-01 8.56178403e-01 1.29826802e-07 3.91684608e-07
 1.09379536e-04 2.03520041e-02 1.24197526e-04 6.79299001e-06
 4.16163282e-08 6.80629029e-08 9.07798312e-06 2.30326827e-06
 1.70636145e-06 1.12040517e-07 5.43200862e-08 7.08719517e-06
 3.95400725e-08 3.66860284e-08 4.09441213e-07 3.75273885e-07
 1.40695107e-07 3.19225735e-09 2.22205898e-07 4.59023823e-08
 1.94692961e-06 1.47158730e-08 9.98019686e-07 6.07997253e-09
 1.79924318e-05 1.82009874e-08 6.62317461e-06 3.03999244e-08
 8.92386670e-05 1.21237448e-04 8.69095602e-05 7.73196807e-05
 1.15328721e-05 4.94424910e-08 6.23980156e-08 8.85072993e-09
 2.85090255e-06 2.37068321e-09 9.50577173e-10 1.56700750e-08
 1.10424470e-08 1.54943969e-08 5.21683432e-07 4.75454520e-09
 7.89946686e-09 1.99158922e-06 2.45878096e-09 2.09234496e-08
 1.72016428e-08 2.93245345e-10 4.00009492e-09 3.79407720e-06
 3.07695518e-05 2.49622154e-08]


0.8561784


29


[1.3496392e-06 8.8583156e-06 1.5736396e-10 2.4889803e-06 3.6087792e-11
 6.4100695e-12 4.9673632e-10 9.4343051e-08 8.0963719e-07 9.2244511e-07
 8.3576523e-10 6.8239181e-04 4.2917018e-06 2.2269280e-08 7.4338306e-05
 5.0379214e-07 6.9914936e-09 6.8532980e-05 3.1554723e-07 3.6164423e-07
 3.2676831e-10 7.6827800e-10 2.5862630e-09 1.6931118e-07 1.3922238e-08
 3.6431086e-08 6.0023303e-04 1.0210648e-11 2.9238846e-02 4.2565805e-01
 4.3308182e-10 1.5527187e-06 5.3016517e-08 1.3140159e-07 1.6710830e-04
 2.5259646e-07 1.2962850e-08 5.5949789e-10 4.0029352e-08 7.2262270e-07
 1.2210778e-08 8.8351215e-10 1.1891035e-10 1.5479062e-08 2.9496273e-11
 2.6539319e-11 2.7467598e-08 2.4263844e-08 1.6916090e-09 3.6507913e-10
 2.2323958e-09 7.9694079e-10 1.5191277e-09 3.0594047e-10 2.1559626e-06
 1.7976962e-08 7.5875851e-06 1.1735981e-08 1.2612671e-06 6.7217336e-08
 7.7123445e-04 5.4224712e-01 3.8714416e-04 4.1590492e-06 2.7496599e-05
 1.2543577e-08 4.6237197e-10 2.8444105e-10 1.9017250e-06 7.3394988e-09
 5.2831989e-08 5.0513081e-06 1.1590451e-08 5.1901446e-07 6.0630086e-08
 3.2379419e-09 1.7008531e-08 5.4659454e-06 2.4981806e-10 1.9746354e-08
 5.9060723e-10 2.4264020e-07 9.7327932e-09 2.9692108e-06 2.2662713e-05
 3.7354370e-13]


0.5422471


29


[7.45996775e-09 1.36346932e-06 1.67717881e-10 2.85679196e-08
 7.56608144e-12 1.28963173e-10 1.61762390e-12 1.69794838e-11
 9.44976861e-08 4.15952641e-08 1.20558283e-07 2.48773745e-06
 1.50332835e-05 2.19988117e-09 1.72155296e-06 3.70922633e-11
 5.84464118e-12 1.04183409e-08 9.75398096e-11 1.65547159e-10
 2.72003297e-12 1.13053067e-13 4.04103917e-10 4.57907989e-10
 4.12661502e-11 8.26940595e-06 1.62368508e-07 1.17493272e-11
 4.52349935e-09 1.31948263e-09 4.90235998e-13 6.17032025e-09
 1.33599154e-09 2.21822439e-11 1.41439374e-10 5.85573534e-11
 9.46827772e-12 2.78336192e-13 3.97693024e-11 3.53675665e-11
 2.89048455e-11 4.78863477e-12 9.18749126e-13 3.84738380e-10
 3.44789568e-15 2.32654878e-13 3.82604105e-12 7.71170541e-12
 2.08376025e-12 1.73856242e-11 5.77213555e-11 1.86397707e-12
 8.78466744e-11 1.09673444e-10 2.99317571e-06 1.77158310e-09
 3.46573270e-10 4.23389449e-12 8.14254705e-11 7.38482084e-13
 3.53299941e-12 3.69801626e-07 5.35288425e-10 1.54676730e-10
 4.36949504e-11 4.62776172e-12 3.31367387e-14 5.47770542e-13
 1.95077010e-11 1.59051944e-13 1.84882621e-12 3.60562405e-12
 9.29252023e-11 8.15273305e-13 1.65930128e-12 3.22502203e-12
 3.86907981e-13 3.35557970e-11 9.93450893e-15 1.97172573e-11
 6.22824275e-14 4.98524902e-11 2.57857863e-12 3.90706772e-11
 9.99967337e-01 2.51411894e-15]


0.99996734


84


[5.98461429e-06 6.42234008e-05 3.69649342e-07 9.99637604e-01
 2.29167707e-09 2.69502891e-08 2.22174459e-10 7.58831775e-10
 7.32614581e-07 5.17266926e-07 1.97360652e-08 4.51917925e-09
 2.91273050e-09 6.15552187e-09 2.15969376e-05 4.90312339e-11
 1.36043260e-10 1.25328814e-08 1.08666331e-09 2.82506907e-10
 4.70309292e-10 1.60212246e-10 1.00352020e-06 2.39331133e-09
 3.37876033e-10 4.90038747e-06 2.07790504e-06 7.85428000e-10
 7.20280741e-06 1.06408464e-07 5.82240298e-11 3.49878064e-06
 2.80116708e-09 3.05122626e-07 3.73101372e-09 2.30639863e-08
 6.19067686e-10 3.93616494e-11 1.48029471e-06 2.17787469e-10
 1.31557911e-07 6.84366452e-10 1.30207178e-10 2.04182311e-06
 3.77374835e-13 4.24493718e-10 4.25048041e-09 1.02642002e-08
 8.77233342e-10 5.26103605e-11 1.34932121e-09 4.30019087e-09
 4.61561562e-08 1.88124787e-07 4.26982806e-05 4.60788824e-10
 3.04106718e-09 9.89188549e-13 3.89694499e-08 5.23931121e-09
 4.12565182e-09 1.75764726e-04 7.31769347e-08 3.26876034e-06
 8.88135730e-07 8.05197242e-10 4.42817727e-10 3.00854792e-11
 2.15891180e-10 1.97044703e-12 2.71725170e-10 8.38046266e-13
 7.65008501e-09 6.73442482e-11 1.18032484e-09 2.60242272e-09
 1.43687034e-10 3.93072241e-09 1.37110722e-11 6.74975353e-11
 1.76951145e-11 2.11850693e-11 1.00848074e-09 7.56556363e-12
 2.31039776e-05 2.16062862e-11]


0.9996376


3


[1.57542161e-07 2.52995505e-07 1.28071220e-09 8.41382359e-07
 9.53339213e-11 2.10687845e-13 3.67665403e-12 7.35539518e-10
 5.35214433e-08 4.50065367e-11 2.64746467e-14 4.93991181e-10
 5.23023358e-09 7.88086471e-11 6.84797052e-10 2.38205278e-09
 1.14112497e-08 4.64055141e-08 6.00486466e-11 1.27149224e-09
 1.60487845e-09 3.63006708e-11 1.34936973e-09 1.72855186e-09
 4.05885742e-11 2.68160161e-10 5.48132419e-08 1.66258252e-09
 2.47889315e-03 1.03760605e-04 5.90419077e-05 9.95011091e-01
 2.74281017e-04 1.89212593e-03 1.76163885e-04 6.06058776e-08
 3.61796726e-09 1.06193312e-07 5.33414436e-07 4.59307969e-08
 5.25553389e-07 3.98806943e-09 8.21202967e-11 4.62241623e-08
 2.88940920e-11 1.88473006e-08 7.57076979e-09 4.26253621e-07
 5.46612045e-09 4.47462206e-12 2.19811636e-08 4.07344341e-12
 1.41612277e-08 8.58888169e-11 2.06338328e-07 1.84881434e-13
 1.89898963e-09 2.65968671e-11 9.11262088e-09 4.35467856e-10
 6.23913365e-10 8.81560140e-07 1.11845122e-09 1.89303706e-09
 3.79144327e-10 4.75293719e-12 3.40180228e-12 3.97633038e-11
 1.97927265e-11 3.49016233e-11 2.66953903e-09 1.88731626e-12
 1.74772363e-09 1.09799325e-08 5.78056318e-11 2.86782594e-11
 5.68070124e-09 3.57101171e-09 9.59207757e-13 1.96343848e-08
 2.30444982e-12 8.11929829e-11 2.54257824e-13 2.69575556e-10
 1.25080717e-07 2.04982056e-11]


0.9950111


31


[4.67508805e-08 4.81883353e-06 3.86015414e-10 9.82504666e-01
 7.85087395e-05 3.24123783e-11 1.45150515e-11 5.97135813e-11
 1.52999488e-12 3.38142776e-08 3.24412319e-09 2.87599167e-10
 4.64856556e-11 5.38636323e-12 1.74022187e-02 9.82683823e-10
 1.21067642e-12 1.74663928e-08 6.97740865e-10 2.28380509e-10
 1.90788121e-10 1.09519607e-11 6.95732933e-06 1.84846349e-09
 6.47066914e-11 3.76236958e-11 2.26374267e-10 3.17224164e-11
 1.01813420e-07 8.54306759e-09 1.27767848e-12 5.86352691e-08
 6.82412207e-08 6.10390146e-07 7.23445887e-11 1.61999338e-08
 4.76607920e-11 1.36755245e-12 9.17035392e-10 1.29627316e-11
 1.57823943e-09 9.25587454e-11 1.63769131e-13 2.05084882e-09
 4.68031951e-14 1.27698893e-12 2.68209847e-11 2.28653676e-11
 5.73664120e-12 1.00752739e-13 5.90052937e-11 5.71222757e-12
 1.31686873e-09 9.30217292e-11 1.15091616e-08 3.72516514e-12
 2.02267114e-14 4.91438563e-16 1.13759602e-09 6.34203931e-12
 1.96462811e-11 1.92849598e-06 3.15030016e-11 1.01329367e-09
 1.26581523e-11 1.00869946e-11 1.43099014e-11 6.56012787e-12
 1.22091858e-13 1.41557545e-12 5.65410252e-09 3.88803115e-15
 1.54882236e-11 3.21285082e-11 1.49134125e-11 1.30400168e-09
 2.39395244e-12 3.49532833e-11 1.75963671e-12 2.20761777e-12
 2.27393347e-14 1.40420835e-12 3.66391596e-12 4.39933083e-13
 1.78182180e-09 3.93688554e-12]


0.98250467


3


[5.51389348e-07 4.37852832e-05 1.15521170e-09 2.69511893e-05
 1.49477264e-09 4.47481247e-10 1.23171584e-10 2.04356798e-09
 9.88015003e-09 5.64161098e-07 1.10951309e-11 3.54201255e-08
 6.70359896e-07 2.43595588e-09 1.99346459e-07 4.54512055e-08
 2.59930938e-10 9.54831194e-07 8.71866934e-09 3.89609278e-09
 8.94529451e-10 2.41870413e-10 1.07041553e-09 1.99182826e-09
 2.77793899e-10 7.68595587e-09 4.21910408e-06 8.26980706e-11
 8.50667119e-01 7.34450368e-05 3.99642147e-07 1.21442325e-04
 1.32346595e-05 1.45082444e-01 1.71740576e-05 4.85674718e-08
 8.44892600e-09 3.20852216e-08 9.26271255e-08 1.40068659e-08
 2.59848445e-08 4.56511851e-09 5.36216016e-10 1.05331237e-08
 3.75190955e-11 7.11990467e-10 3.06703907e-09 1.08868427e-07
 2.14738738e-09 1.35331191e-10 3.33729488e-09 6.63468391e-10
 2.09865316e-08 1.56249612e-07 4.75797179e-07 1.37904737e-08
 5.84369445e-07 3.89380483e-09 6.38420215e-06 3.87033600e-11
 1.87022924e-05 3.90751008e-03 1.97049280e-06 9.90990975e-06
 2.90994784e-08 5.91630009e-11 2.11821560e-10 9.21067320e-11
 3.56985552e-11 4.78340423e-11 3.22754978e-08 8.55384374e-11
 1.43399259e-09 7.58022978e-09 1.97459729e-10 2.09082209e-08
 3.62681640e-09 9.08266706e-09 1.29617095e-10 1.19428121e-08
 9.34826883e-10 7.51550044e-10 9.22562304e-10 3.78994343e-07
 1.88898426e-07 1.91029059e-09]


0.8506671


33


[1.55429149e-07 7.34456137e-07 1.35695039e-10 4.52096884e-08
 3.17359046e-08 1.84755943e-11 1.33354022e-10 1.03185389e-08
 1.26218538e-06 1.82400350e-09 1.40905598e-13 4.24879083e-08
 3.26646227e-06 4.80656959e-10 2.54510510e-08 1.65988503e-08
 5.57171589e-08 2.96884275e-04 7.08953257e-06 9.69326379e-08
 9.30679800e-09 2.42793874e-09 3.36426265e-09 3.12631379e-08
 1.54938451e-10 1.23738646e-08 4.12827421e-06 2.05315809e-09
 8.72522116e-01 3.12793680e-04 1.85870940e-05 6.58622338e-03
 1.11613395e-02 1.85361877e-03 1.07220814e-01 3.53001859e-08
 3.53297391e-09 5.35325398e-07 6.62086919e-08 4.91278740e-07
 3.00958192e-08 8.84879086e-08 1.27211675e-09 4.19428625e-09
 1.94034233e-09 1.36469689e-08 2.86867525e-08 1.51376032e-08
 1.87867233e-09 6.45233103e-11 3.20890585e-08 8.58243754e-11
 2.90338598e-09 7.56055496e-10 3.53894620e-07 3.57192553e-10
 7.15942974e-07 1.14306475e-08 1.17152226e-07 1.16799639e-10
 3.81772850e-07 5.90819718e-06 5.12892484e-07 4.87788754e-10
 6.34027515e-08 2.66955014e-10 1.34911917e-12 2.76844797e-10
 6.90373980e-10 3.01935310e-10 1.44818619e-08 2.71075662e-10
 2.89316460e-09 9.13115805e-09 6.73828904e-09 8.63941640e-10
 4.35269154e-09 7.89094212e-09 4.15196696e-12 1.20970213e-07
 1.40143799e-10 3.07609271e-10 2.81432755e-12 8.17549406e-08
 9.86711143e-07 6.71560141e-10]


0.8725221


28


[3.87304020e-08 1.45193408e-05 6.45094786e-08 1.40425827e-05
 6.65234950e-11 5.31207500e-12 2.12959528e-11 6.67747246e-10
 7.84168463e-08 1.02138785e-07 4.01884515e-12 4.66522988e-06
 1.08511849e-05 3.38448980e-09 3.64490234e-07 1.04778394e-06
 3.46813411e-10 6.22796605e-08 1.17222854e-08 1.09750109e-09
 2.10089235e-09 4.72964834e-10 1.01928017e-05 8.89327012e-08
 1.34646760e-09 1.76761342e-10 1.55975667e-05 1.38154016e-10
 3.04818759e-03 2.50195790e-05 2.54341970e-08 1.88879741e-04
 5.78160552e-06 6.16118824e-03 6.45122491e-04 5.26201571e-09
 2.37917042e-09 7.77391762e-10 1.23126176e-09 1.65775427e-09
 8.45065184e-10 1.15237428e-08 1.94393737e-10 7.58153806e-09
 4.64898016e-11 4.94753238e-10 1.27084610e-08 3.33811845e-09
 2.59878091e-10 5.94366431e-11 4.88335150e-09 3.13536808e-10
 1.26395419e-08 4.29987068e-09 1.44451860e-07 2.07942925e-08
 4.10802784e-07 2.25188734e-09 1.55967791e-05 3.10908526e-08
 2.88921961e-04 9.89521027e-01 1.93677261e-06 1.45415815e-05
 1.47058785e-07 8.95748684e-11 7.21558036e-10 1.10832843e-09
 1.95517935e-09 4.88269958e-09 9.40974314e-06 2.08147211e-09
 2.13387601e-08 1.91816465e-08 3.01577319e-09 1.66655497e-07
 2.17331531e-09 2.71672235e-07 1.97351066e-10 2.95819632e-07
 1.14646873e-07 1.33089566e-08 8.95558294e-09 1.08994165e-08
 1.00919033e-06 2.43970427e-10]


0.989521


61


[1.4002624e-08 9.9998045e-01 5.2420579e-09 1.5872486e-06 7.1650492e-15
 6.3298286e-12 8.1920587e-13 7.5362481e-09 3.0931684e-11 1.2426636e-09
 1.6718472e-11 2.5256384e-08 3.9125521e-07 8.9727691e-11 7.8123196e-07
 4.7467783e-11 5.8378239e-15 2.9702525e-12 4.0542226e-11 2.0199950e-13
 9.3287184e-13 3.7143013e-15 1.8153890e-11 4.1778443e-12 1.5766711e-12
 1.6062188e-10 1.0169333e-08 8.0759509e-13 1.9484894e-08 2.5128292e-11
 7.5853183e-14 4.1139456e-11 1.1546922e-09 4.2208678e-10 2.3064514e-11
 4.8377556e-13 6.7165842e-13 4.6606082e-15 3.0523332e-13 4.4408731e-13
 9.3483999e-13 2.3759052e-12 4.4509870e-14 4.9201837e-10 2.4818190e-16
 3.0741014e-14 2.1822709e-12 1.9635194e-13 5.5052374e-14 4.4431350e-13
 8.6434321e-13 4.0007518e-14 2.2027297e-11 7.0550599e-10 2.3260215e-08
 3.5108613e-10 3.2992546e-11 5.8017756e-13 1.3020899e-08 5.0855442e-10
 2.6499516e-09 1.0564676e-06 2.4382681e-08 1.0653417e-06 7.9652340e-11
 4.5762954e-13 2.2351203e-13 1.2753862e-12 2.2104304e-12 1.3247261e-11
 1.2194700e-09 9.0903549e-11 2.2228486e-11 1.1839719e-10 2.1619622e-12
 4.1315560e-09 2.4715650e-11 2.1232065e-11 3.5483928e-14 1.6271444e-09
 3.8923669e-12 1.2762294e-10 2.2541982e-09 1.1784432e-10 1.4574812e-05
 8.0180791e-15]


0.99998045


1


[1.7058469e-09 1.6341490e-08 6.7600494e-09 2.8181574e-03 2.0107542e-12
 5.4444310e-10 1.2152802e-10 2.6730127e-09 3.3817352e-07 4.0697201e-09
 5.0276439e-11 3.7164903e-11 1.6131465e-06 7.0747580e-10 8.3213603e-10
 1.9772267e-11 1.7090540e-10 1.3646692e-08 1.3173144e-07 1.5687867e-09
 1.1695961e-09 4.7260373e-10 5.9112805e-11 2.0721791e-11 6.8282091e-10
 1.6519672e-09 4.5228740e-06 4.1778789e-10 1.7711931e-04 6.3231298e-08
 1.0901897e-09 2.5808768e-07 3.0441367e-08 4.5841534e-05 9.6348511e-09
 3.7732204e-09 9.0345051e-11 5.4998079e-11 5.1119947e-10 1.1390358e-10
 6.3198924e-10 3.6175722e-09 5.1594545e-10 7.2397039e-09 3.0838403e-12
 1.5423886e-10 1.8547227e-09 4.4051287e-09 5.2018750e-10 1.5268890e-11
 3.1402314e-10 3.0737840e-10 1.7830437e-09 3.8717172e-07 4.5032067e-09
 1.4105762e-09 6.0628286e-06 3.4358576e-09 7.2003836e-06 4.2947570e-07
 4.9677556e-06 3.6245224e-04 2.5599025e-04 9.9630958e-01 4.6048981e-06
 1.6451399e-10 1.0357523e-09 2.9173292e-11 8.9801899e-09 1.2363627e-09
 8.2309731e-10 4.4041493e-11 4.5064543e-09 1.9556785e-08 1.3262085e-09
 1.8952311e-07 1.7912929e-09 7.3225142e-09 1.2963662e-10 4.6511164e-10
 7.0423389e-10 5.4741101e-09 1.5139806e-08 2.6283271e-08 4.1777636e-08
 8.0090672e-09]


0.9963096


63


[6.08271407e-08 1.03963430e-07 2.97184465e-11 1.82967267e-06
 8.96749952e-10 1.63565372e-09 6.45502957e-11 6.78841232e-08
 1.45884922e-08 8.24981949e-09 3.81679612e-08 9.97880463e-08
 1.87227069e-08 2.97128078e-09 6.82001300e-08 1.56960528e-10
 1.25432897e-09 6.67744665e-04 6.31191006e-06 2.89278628e-08
 5.72899506e-10 1.49941020e-08 2.07991491e-08 4.26669722e-09
 1.77419395e-07 2.94890761e-08 2.66701659e-06 1.35746858e-10
 1.50383185e-05 3.57039937e-07 5.61766456e-09 1.55582602e-10
 2.59640547e-06 1.16057866e-08 7.00445701e-09 1.99134886e-09
 3.92891518e-11 1.37897116e-11 6.38423273e-11 1.69311953e-10
 1.85512022e-11 7.11045667e-10 3.10955928e-10 4.88055041e-10
 2.73283371e-12 4.21296470e-11 2.52413290e-09 8.78024209e-10
 3.75907153e-11 4.21750525e-12 4.74012773e-10 1.21994498e-11
 2.55781574e-09 1.53717143e-11 1.89881906e-08 6.47448983e-10
 1.56628300e-06 2.19073058e-07 5.19117690e-04 2.88918423e-09
 1.72152033e-06 4.99479893e-06 9.98628497e-01 8.15010790e-05
 6.45610780e-05 1.14497221e-08 3.95395316e-09 8.45036020e-12
 1.40413081e-09 2.63866218e-09 1.31674938e-08 7.39948935e-10
 4.95656209e-08 1.34682820e-09 1.79288850e-09 5.93838356e-09
 1.63729874e-09 1.41498502e-08 3.96298827e-10 1.07198785e-10
 1.32741540e-09 5.75183456e-10 3.20230797e-09 7.73219710e-09
 2.37043949e-07 9.77512515e-12]


0.9986285


62


[2.71652514e-08 1.72002625e-08 1.88910609e-10 1.39919109e-07
 4.47386794e-15 6.32731931e-13 7.21759620e-13 1.42446677e-09
 1.62397569e-07 4.48852475e-08 8.52233735e-12 1.17472911e-08
 2.22440217e-08 1.13209754e-10 3.51827206e-10 2.83688095e-09
 6.64244978e-11 1.34396458e-08 3.09392581e-11 2.74126138e-10
 5.09353566e-11 5.45332876e-12 7.14261428e-10 1.67816233e-10
 2.29268229e-10 1.78826354e-09 9.89255659e-06 3.56722377e-12
 8.46283456e-06 4.86218960e-06 5.91910618e-11 8.72391936e-09
 9.10418019e-10 2.53625376e-06 4.43378758e-06 4.97553665e-10
 2.43456730e-11 8.15761087e-12 8.29351032e-11 3.14558823e-10
 1.25116889e-10 9.32232850e-12 5.02006769e-12 6.19264917e-11
 9.81853758e-14 6.39916939e-13 1.06015335e-10 3.23847088e-10
 2.72335193e-12 1.28100005e-11 1.21271160e-10 7.71016172e-13
 2.54533034e-10 1.45152793e-10 1.41541832e-07 5.49397694e-10
 3.08080962e-05 1.62960028e-08 5.03984836e-07 2.10751550e-09
 1.60443615e-05 9.99435961e-01 1.88370650e-05 4.64503013e-04
 2.35989023e-06 3.00382310e-12 2.09088528e-11 6.30087291e-13
 3.42909062e-10 4.11318635e-12 6.40685194e-09 1.40981671e-09
 3.34936037e-11 7.70310260e-10 4.01195605e-11 2.78925771e-09
 2.06234099e-10 4.33640217e-08 8.03432581e-12 6.89555357e-10
 1.73669176e-10 2.12163051e-10 7.24494409e-10 1.41443932e-08
 2.97312361e-08 8.68180582e-13]


0.99943596


61


[2.57386112e-09 3.22072850e-07 2.97782551e-13 1.20414387e-10
 3.60808632e-13 4.92108220e-12 1.14158145e-14 2.24172569e-10
 2.40632514e-09 7.42812256e-09 3.47480587e-08 2.47060399e-08
 5.54145856e-07 7.14106508e-12 2.16826237e-07 5.34141470e-13
 3.62724453e-15 5.48499246e-10 1.03099612e-11 4.82811653e-13
 7.69380101e-15 9.89910380e-15 4.20394726e-11 9.13108825e-12
 2.60297914e-13 7.72862734e-08 5.45897549e-09 5.82724244e-13
 1.78639742e-10 6.03261061e-12 1.29634259e-14 1.59110247e-13
 2.27838318e-10 4.17240964e-11 2.73131263e-14 1.40680035e-12
 2.08220146e-14 6.55297193e-16 4.01472001e-14 2.91068683e-13
 7.07786762e-14 1.39603552e-13 4.23890151e-14 6.02322879e-12
 5.67510354e-17 2.49233854e-15 3.43558515e-13 1.06791420e-13
 1.00977745e-14 2.30197209e-13 2.72259819e-12 1.33397048e-16
 2.60412763e-12 6.49466985e-14 5.34204730e-07 2.05522890e-10
 5.75612995e-11 1.47066582e-12 2.27938935e-12 1.18818029e-14
 4.02153701e-12 5.16176928e-11 1.36377720e-09 7.81518166e-12
 8.48973723e-13 2.77114215e-13 4.46696801e-15 3.93984501e-15
 4.12396842e-13 2.97032608e-13 3.25779951e-14 1.07439524e-12
 1.25453970e-11 4.00434961e-14 1.25049155e-13 5.55123472e-14
 2.06899469e-14 2.75009101e-13 2.71326011e-17 3.59055965e-13
 2.21357272e-14 3.92110769e-13 2.70152797e-13 3.32971532e-11
 9.99998212e-01 1.89682887e-17]


0.9999982


84


[2.0766407e-05 4.9416522e-05 5.0674389e-09 9.9992490e-01 3.1926333e-11
 3.0152421e-09 2.2393339e-11 9.9032666e-12 2.4836029e-09 4.9031929e-08
 6.4555522e-10 1.7536157e-10 4.2268444e-10 2.0937883e-11 8.8396342e-07
 6.4982893e-12 3.1210326e-11 7.5593493e-10 5.0680432e-11 1.4840273e-11
 1.2028321e-10 2.8677882e-10 2.2551333e-07 3.9725841e-11 1.7809423e-10
 2.4986045e-08 7.2092682e-08 8.8006911e-12 8.7588404e-07 1.2092761e-09
 2.1053526e-12 9.9946218e-11 6.6557653e-09 1.2598224e-07 2.1819926e-11
 2.5647686e-09 2.4836858e-11 5.7777329e-13 2.4148428e-09 4.5103062e-13
 3.8614920e-09 1.4006987e-10 4.2044549e-12 1.2527968e-07 1.3634456e-13
 3.9012352e-11 6.9886813e-10 8.1451879e-10 5.0254367e-12 4.8123815e-13
 1.1650708e-11 1.8174484e-09 4.9359756e-09 5.4417507e-07 1.1847218e-06
 1.4649807e-09 9.1572774e-12 4.8419455e-13 5.9717569e-09 7.8435224e-11
 6.9563590e-08 2.6436328e-07 1.7452264e-07 1.1479066e-07 5.9984693e-09
 2.1095678e-13 1.0947913e-08 2.0640259e-11 1.2907717e-12 3.6623975e-11
 2.9051825e-09 4.6452317e-13 1.6095641e-10 2.1970771e-11 9.7150916e-12
 7.5806831e-08 4.7548871e-11 6.2832461e-10 5.7578022e-12 1.9892209e-12
 1.4665077e-12 8.5793579e-13 1.0420899e-08 2.6301123e-12 1.2919166e-09
 2.2435898e-13]


0.9999249


3


[5.95986149e-09 1.68395729e-07 1.14042464e-09 2.28115846e-06
 1.21056987e-09 1.64411637e-10 4.69800830e-11 2.72858042e-10
 2.71468792e-07 5.46167937e-11 2.94933782e-13 9.44241463e-10
 2.25763401e-07 5.07264231e-11 1.61519798e-09 7.47853424e-09
 8.87463955e-07 4.33422514e-07 1.99845296e-08 5.73028514e-09
 1.47532173e-08 1.86342675e-09 6.42431108e-10 2.95080116e-09
 1.74135628e-09 6.85641877e-10 9.10111666e-08 2.14794316e-09
 9.85424936e-01 1.84579942e-04 3.03996261e-04 7.67814927e-04
 6.72586123e-03 5.64808166e-03 9.29301546e-04 1.14171094e-07
 5.81253943e-08 1.23149664e-06 5.23674146e-07 4.71423419e-07
 2.16724902e-06 2.29737623e-07 8.65114380e-09 2.53736061e-07
 4.32140546e-09 9.05226045e-08 1.19576811e-07 1.24216785e-06
 2.45313228e-08 1.96217903e-11 7.61358478e-08 6.76518355e-11
 3.55976795e-08 1.43314394e-09 1.34034490e-08 4.65030410e-11
 2.43000727e-07 2.41603870e-09 1.24704860e-08 2.53834398e-10
 3.61044772e-06 8.29944113e-08 1.33489976e-07 3.91546662e-09
 2.56443400e-09 3.93878020e-11 7.96825328e-10 3.43989948e-10
 3.74060991e-11 4.70146255e-10 1.01924172e-07 3.50877899e-12
 8.12104783e-09 8.84929747e-08 2.01126907e-10 5.37682521e-09
 6.43239462e-09 2.66959188e-09 1.01858910e-10 2.78306134e-09
 2.75632798e-11 1.87376129e-10 9.84337351e-12 1.48635615e-09
 1.56275581e-09 1.05651585e-10]


0.98542494


28


[4.16518191e-07 3.27375034e-07 2.00324664e-07 1.47795482e-02
 4.72621693e-08 3.53680196e-09 3.82820636e-10 7.72902315e-12
 2.87093478e-08 3.41313688e-09 9.53715151e-09 1.96023233e-08
 1.51703716e-08 6.11465656e-10 1.09760510e-03 2.60247305e-07
 1.95071220e-06 4.88160867e-06 3.45787157e-07 7.09319750e-07
 6.38029007e-07 8.28681550e-08 9.70974386e-01 3.02479748e-07
 4.18367790e-07 1.88571048e-10 6.15302582e-08 1.05508165e-10
 4.61942335e-07 4.96551644e-09 4.56968463e-10 4.56578597e-08
 3.41517001e-08 8.59909033e-09 8.85949447e-08 2.28125216e-07
 4.86166085e-09 2.29012462e-10 2.62274042e-08 2.36581532e-10
 9.10433229e-10 6.65693811e-09 2.01905534e-10 2.44919480e-08
 2.49016107e-12 2.30031619e-10 2.17349680e-10 8.24971913e-09
 1.32477543e-10 7.65946247e-12 3.67755137e-09 5.03655451e-11
 6.55931864e-10 5.59471225e-09 5.40416112e-09 1.22969623e-09
 5.48445490e-11 3.52189062e-13 2.12226837e-07 1.20600504e-07
 1.10451838e-05 6.79654360e-04 1.86476381e-08 4.77261572e-08
 2.33896769e-09 1.82498322e-10 1.51343311e-08 1.36541084e-10
 8.12216752e-11 6.11311179e-08 1.24452710e-02 1.19886615e-10
 6.72297347e-08 2.44332963e-08 1.02705200e-09 9.17361263e-08
 6.31070335e-11 2.58579846e-09 2.63152948e-08 1.10470411e-10
 6.88284083e-11 3.63290509e-09 1.41003667e-07 3.97951420e-13
 7.36209260e-10 1.28893302e-11]


0.9709744


22


[2.2512554e-08 2.6366319e-08 4.1296203e-11 9.9951291e-01 3.0811361e-08
 2.1754289e-09 1.1765287e-11 1.4213335e-12 7.4468551e-09 1.6806059e-08
 4.6510298e-09 1.8329325e-13 8.3406509e-10 1.5223758e-11 4.6271778e-04
 2.8121951e-11 3.5275671e-10 9.0365635e-09 8.1827327e-09 1.5821474e-08
 3.8541681e-10 1.0861755e-09 2.9105418e-06 2.0847789e-10 3.0477540e-09
 5.0451487e-10 1.1988975e-09 1.8860738e-12 3.4646391e-07 7.1425954e-09
 4.2576148e-14 2.4585110e-12 1.5854574e-09 3.1570274e-11 2.0150563e-10
 6.2431099e-07 8.8378367e-11 2.8642919e-12 1.1503004e-08 4.6408502e-12
 1.6847871e-09 2.2121484e-10 1.4334167e-11 4.3591683e-08 7.1453023e-14
 9.1078933e-12 4.6901778e-11 7.8529218e-11 7.6580235e-12 1.6299330e-13
 1.5843585e-11 4.3805490e-11 1.1329262e-09 4.3751007e-09 3.6708769e-09
 8.1262863e-10 2.7255975e-13 3.1366120e-16 4.4199826e-09 4.7875797e-09
 1.3768928e-05 6.6136349e-06 1.5000971e-08 2.4622938e-08 6.7678507e-10
 2.7560025e-12 4.5514484e-10 1.3695353e-11 3.5321284e-12 4.2688080e-12
 7.9835516e-09 1.3814927e-12 7.1413216e-11 2.9947766e-11 2.8676169e-11
 7.3356827e-09 2.0774781e-11 9.4230344e-12 5.0607634e-09 1.6188606e-12
 1.2416924e-12 6.8398183e-11 5.2650222e-09 5.4979247e-13 6.9914109e-11
 4.9113210e-14]


0.9995129


3


[2.18365409e-10 4.02038260e-08 3.49645931e-13 6.70933389e-07
 2.32939292e-13 1.17162191e-11 3.55561609e-12 1.93473848e-11
 8.95751640e-10 2.13152440e-10 7.79865430e-13 3.99264406e-11
 1.95442116e-08 9.99876917e-12 1.84938909e-08 4.21841589e-11
 1.37547015e-10 5.44833824e-07 5.35297495e-09 2.07013429e-09
 1.76317589e-11 1.32578696e-11 8.72848668e-12 2.74124005e-11
 1.31038680e-10 5.65373269e-11 7.86459324e-08 8.91099328e-14
 1.64847093e-04 1.62005119e-06 6.33106805e-12 1.68478478e-11
 5.21177679e-09 1.79810777e-09 8.53309388e-08 1.84179605e-08
 4.25732782e-11 3.99744474e-11 2.61469846e-10 7.67529512e-11
 3.39594269e-10 3.50049330e-11 2.17046901e-11 1.92907232e-10
 1.06500204e-13 1.30600153e-12 5.91030905e-11 1.37144116e-10
 2.81459283e-11 1.26806725e-12 3.13029420e-12 3.36611381e-12
 2.71716469e-11 4.71909312e-09 1.93092120e-09 1.44150381e-08
 1.28096299e-05 8.93753183e-10 5.01121406e-07 3.69437148e-09
 9.99579370e-01 3.96545583e-05 1.92450811e-04 6.30705472e-06
 1.04096023e-06 3.66275239e-11 6.52980170e-10 2.31070241e-12
 7.18823334e-11 4.45594993e-12 5.30111288e-10 1.91203026e-11
 4.79148188e-12 1.04174513e-09 1.56429366e-11 1.38439801e-10
 6.28574233e-12 4.06744360e-10 2.65489002e-11 6.43771364e-12
 1.25142355e-12 6.83814377e-12 1.79577950e-10 2.26707514e-10
 8.10026698e-11 9.43896328e-13]


0.99957937


60


[4.20268265e-07 7.14502335e-07 5.45923529e-10 4.20769965e-07
 8.20269896e-09 8.43368431e-10 1.43280221e-09 2.61713139e-05
 1.07305489e-07 1.70329695e-09 9.55899093e-09 2.47634180e-08
 2.12367851e-07 3.71861164e-09 7.56432064e-06 5.49818679e-08
 2.86855499e-08 8.50840472e-03 3.57730896e-04 1.69957329e-05
 3.27548655e-08 2.81726159e-07 1.61548535e-08 1.81847764e-08
 1.89049558e-08 1.62884128e-09 8.42313568e-07 2.50636245e-09
 5.53039042e-03 9.70271349e-01 1.20065957e-08 4.26642316e-07
 2.30038108e-06 4.84921863e-08 2.72236619e-04 8.19789022e-07
 3.64410937e-08 2.12520099e-08 5.39979759e-08 1.59003321e-06
 1.64924039e-08 6.18004421e-08 4.90903584e-09 1.45180593e-07
 3.97012334e-09 1.09657092e-08 6.39954010e-08 1.25960895e-07
 9.06180908e-09 1.04702115e-10 1.42785481e-07 1.92566275e-11
 1.90961256e-08 2.94506884e-11 3.29720763e-07 7.89752175e-09
 1.08360291e-05 8.79752537e-09 1.08330802e-04 1.19625258e-06
 2.39072731e-04 1.16501087e-02 2.97914259e-03 2.55823721e-07
 6.25514213e-06 2.38193785e-08 7.42551520e-10 2.20248575e-09
 4.18801278e-08 1.76404242e-08 5.84516702e-09 3.04178216e-09
 3.41199291e-09 3.93570957e-07 4.68462105e-08 2.47451792e-09
 2.17789058e-08 2.07922909e-07 6.41319498e-10 9.75593792e-08
 4.62826361e-10 1.96443195e-09 6.48064402e-09 3.08907829e-06
 3.75477470e-07 4.88325824e-10]


0.97027135


29


[4.41682069e-08 1.16670535e-07 2.35736881e-11 4.14263779e-09
 1.79634276e-11 1.38187699e-11 4.66814712e-11 9.02826880e-09
 1.32911513e-08 8.45241099e-10 5.35718128e-12 8.79967121e-09
 2.21270483e-07 2.39463949e-10 1.90844257e-05 2.97661789e-08
 5.85651483e-09 8.75710393e-05 1.07109520e-06 4.93522059e-08
 2.37579595e-10 9.01998587e-10 3.29345085e-09 5.67227765e-10
 1.01947373e-09 7.85211007e-10 1.08849754e-05 1.63171787e-12
 2.51494721e-02 1.37092338e-05 1.20473329e-08 2.44285978e-08
 1.29050534e-07 1.91462295e-08 4.36651499e-05 8.21329493e-09
 1.33424771e-09 2.00824490e-09 1.61098856e-09 1.51343649e-08
 2.74160555e-10 8.62642180e-10 4.88167146e-11 3.78817089e-10
 3.47625262e-11 4.06373435e-10 1.56420188e-09 1.96285432e-09
 5.67201786e-10 2.43658305e-11 4.75230966e-10 7.59014704e-13
 1.37383063e-10 1.49526867e-11 1.67094854e-08 8.52080930e-08
 9.57095290e-06 2.02462346e-07 2.16869785e-06 4.66046757e-08
 9.74572241e-01 3.95377756e-05 3.02800818e-05 1.01492255e-08
 1.87908408e-05 7.71971109e-09 1.34529665e-10 8.40267300e-11
 1.41053791e-08 8.35094216e-10 5.46743252e-07 3.65567168e-08
 7.33381189e-10 2.10088178e-08 1.72922554e-09 2.10108131e-09
 7.00345026e-09 9.07796860e-08 4.44665471e-10 1.38514071e-08
 7.61241001e-11 1.90744864e-09 1.00082804e-08 2.49848142e-09
 1.84023496e-09 1.82842044e-12]


0.97457224


60


[4.48177939e-09 1.00000000e+00 1.52290683e-13 1.51813340e-09
 1.36220977e-16 1.03412830e-13 1.21384194e-15 3.25781152e-10
 1.04952024e-13 3.20720464e-11 6.34812336e-16 1.10640950e-11
 2.62534683e-09 2.02721158e-15 4.20666002e-10 2.84934646e-13
 3.04320037e-18 1.22147491e-13 9.92438485e-14 8.23805398e-16
 4.20248748e-15 6.70809438e-18 8.97430120e-14 5.69974135e-16
 2.84367532e-15 3.40430050e-13 4.42189959e-13 1.72682362e-15
 5.20965884e-08 4.60440679e-11 2.97497792e-15 1.10923708e-14
 1.64306745e-11 4.37877511e-14 8.79176777e-13 2.74002114e-14
 7.38024212e-14 2.74784767e-16 3.34658889e-14 4.46167776e-16
 5.86760119e-14 7.65928865e-15 7.64115833e-17 4.26778578e-12
 3.85962143e-18 2.88320571e-15 3.81301910e-14 1.52954245e-15
 2.34144550e-16 3.51097109e-17 7.62811953e-15 1.18779546e-17
 3.47879345e-14 3.07710637e-14 1.46419526e-11 7.21767589e-13
 4.41042534e-14 4.64735062e-14 1.35722156e-10 3.30572185e-13
 1.48176280e-11 7.64263930e-11 7.97768934e-11 5.39341758e-14
 9.28078686e-13 7.14992623e-15 4.17970062e-17 3.79275138e-15
 2.63161437e-16 6.36134144e-14 1.08891086e-12 2.27416501e-12
 1.02925210e-13 3.42053968e-13 3.32649426e-16 1.13280071e-11
 7.04991751e-12 4.05735897e-14 4.91651870e-17 2.05380786e-12
 2.58500029e-16 2.29473304e-14 1.19445799e-11 6.18291442e-13
 5.40597567e-09 1.47735599e-17]


1.0


1


[1.1582383e-06 2.3975954e-05 1.6195364e-09 3.4194212e-02 5.0478941e-09
 1.6250466e-06 1.6189896e-09 1.5969387e-09 5.3467038e-06 8.7257604e-08
 8.7320194e-12 3.0922053e-11 5.3547410e-04 1.9860533e-10 1.3333864e-09
 1.3507873e-10 1.6267530e-09 3.5674578e-08 5.4771281e-09 5.7689897e-09
 7.6476525e-10 1.3778155e-10 2.4449781e-08 1.3783542e-10 4.3760141e-11
 5.0965205e-08 1.2720595e-05 9.7579161e-08 9.6104068e-01 7.8077184e-04
 3.7182363e-06 3.2601730e-04 1.0707051e-03 1.5957652e-05 1.1800186e-03
 3.2786297e-06 6.1288915e-08 3.9201325e-07 8.7747530e-06 4.6680245e-08
 3.7527192e-05 8.8602519e-07 4.7860005e-09 2.0794188e-05 3.1489794e-08
 1.1183736e-06 4.7035579e-07 3.0350720e-06 2.9411567e-08 3.8624692e-10
 5.3656919e-07 1.3887371e-08 2.2474146e-07 2.3703599e-06 5.7036527e-08
 1.9898687e-09 6.4380760e-07 1.0365136e-06 2.3421102e-04 3.7963009e-06
 8.4601248e-05 1.5201404e-05 2.4466321e-04 5.2154036e-07 1.4213529e-04
 1.6408185e-10 5.4416303e-09 1.3739513e-08 3.8626682e-10 6.2281802e-10
 3.6907188e-08 3.5291370e-09 2.2903391e-08 4.9037414e-09 1.0386059e-07
 9.1342514e-08 2.0246698e-07 7.8332878e-09 3.7906482e-09 6.9132248e-08
 2.9994560e-09 4.9020210e-09 2.4656071e-08 1.1152438e-07 8.4644142e-08
 9.3949495e-08]


0.9610407


28


[2.07450569e-07 3.96167293e-10 1.40337143e-11 1.81594112e-06
 4.12057249e-10 4.36194830e-10 1.59729660e-10 8.92210306e-09
 2.14717244e-10 1.80127122e-10 1.91737186e-12 1.98857890e-08
 2.27884733e-08 1.41237591e-10 2.93067956e-07 4.24908997e-09
 1.60948215e-08 3.48949106e-03 1.19919702e-03 6.49273943e-07
 1.48705970e-09 5.31255751e-07 1.18267963e-07 7.59013741e-09
 6.52955190e-10 2.31751720e-08 1.64895539e-07 1.06795094e-10
 5.05233802e-05 9.93434310e-01 2.09698237e-09 6.44411102e-07
 9.49554320e-08 1.70858507e-03 8.83828106e-05 1.56460771e-06
 3.12032142e-08 9.73044365e-08 1.41784099e-07 1.40878171e-06
 1.55875398e-07 6.39286490e-09 4.77251405e-10 1.97463965e-08
 9.02243280e-10 8.30507163e-10 4.05357596e-08 8.36357970e-08
 2.99309955e-09 1.81996727e-11 3.55712864e-08 1.64353017e-10
 1.20058425e-08 1.12098476e-10 3.57551344e-09 7.90045640e-10
 1.50810342e-06 1.72782511e-09 4.14888071e-08 3.95374329e-08
 1.06954776e-05 6.45128375e-06 3.33240479e-07 1.47822198e-06
 1.98478123e-09 1.77873560e-09 6.62194033e-09 1.36500811e-10
 1.93513969e-08 3.65123243e-09 1.89834304e-09 1.03263309e-09
 9.43409906e-10 2.69173150e-09 8.05685687e-08 9.37222300e-10
 2.62914551e-10 8.74817019e-08 2.20228780e-10 4.30309365e-11
 2.75498069e-09 6.91897581e-11 5.14681409e-09 5.80597316e-07
 5.18662757e-09 2.93749573e-11]


0.9934343


29


[2.75525682e-08 3.45580498e-09 8.29195314e-14 1.56036228e-09
 7.88686404e-14 1.54042109e-11 1.16424817e-12 3.32357683e-11
 3.19305071e-09 2.94514496e-10 4.11222773e-14 5.29647604e-10
 4.71875516e-08 1.07065546e-11 6.38636402e-06 2.47503862e-09
 5.85953092e-11 1.07513912e-07 1.18842247e-09 1.57867025e-10
 4.67352155e-12 9.00703991e-12 1.85125471e-10 1.04558702e-10
 1.08838737e-11 8.95774566e-09 2.35998459e-06 6.24998032e-14
 3.04319925e-04 6.12526037e-07 1.82548657e-10 1.48941581e-10
 4.68606975e-09 6.10826389e-10 7.40797941e-06 1.08128706e-09
 1.98551835e-11 7.25587090e-11 8.96286878e-10 6.04083628e-09
 1.46085311e-10 1.85135258e-11 2.89097760e-12 7.39844741e-10
 7.49581874e-13 1.45366462e-11 2.05175010e-09 7.52783461e-11
 5.12369357e-12 1.75394595e-11 2.48292775e-11 4.15353346e-14
 2.34613162e-10 2.48993742e-11 1.01626405e-08 3.24082485e-08
 1.69001596e-05 4.55053311e-08 2.65452513e-08 7.05697234e-09
 9.99593079e-01 3.56664896e-06 6.28603666e-05 4.44078943e-08
 2.19286244e-06 1.75407640e-11 7.74448301e-12 2.54499958e-12
 4.00102751e-09 4.05801000e-12 1.80824633e-10 1.52024828e-08
 3.24049849e-11 2.22582441e-09 6.59373278e-10 2.72554951e-10
 2.81273282e-10 1.04940556e-09 3.50082008e-12 1.64810565e-09
 1.07769162e-10 3.66648795e-10 2.14830015e-10 2.21809113e-08
 1.62138480e-09 2.10263605e-15]


0.9995931


60


[4.65909089e-08 2.60851436e-07 3.87255419e-12 1.92856087e-09
 2.80262115e-13 2.05520198e-10 4.65361083e-12 1.53249344e-10
 1.24691937e-07 1.17922727e-09 3.74701714e-10 1.54771413e-08
 1.09567363e-05 2.17189378e-10 7.38020049e-07 9.10702735e-10
 3.60580489e-12 3.12606740e-09 6.13534834e-10 2.22360672e-10
 4.48893735e-11 1.53711722e-12 2.42656828e-09 5.27898336e-10
 5.97323493e-12 4.63960589e-07 3.28888177e-07 1.90368537e-11
 2.76136252e-08 9.56058899e-10 2.99528154e-12 1.51170487e-09
 1.84813898e-09 1.05142978e-10 1.43614831e-09 3.30655447e-10
 3.03646344e-11 5.64706658e-12 3.88778870e-10 2.63646105e-10
 4.98580344e-11 3.44687733e-12 6.14099375e-13 5.25309962e-10
 1.13870962e-13 1.13867531e-12 7.84176543e-11 2.73862582e-11
 1.41461723e-12 4.30293613e-11 1.00762884e-10 9.71896581e-14
 2.15523460e-10 1.12631030e-10 7.54366556e-06 1.49149990e-08
 4.56381102e-08 9.20589827e-09 2.27811991e-09 7.31672223e-11
 7.65159047e-09 1.02980160e-07 1.08979652e-08 1.53618090e-10
 1.13274390e-09 1.39233035e-11 6.08686170e-13 1.26566726e-12
 1.14073938e-10 2.30215933e-11 2.22138302e-12 3.56790097e-10
 1.33677916e-10 2.28709499e-11 1.12064885e-10 4.22463037e-11
 4.96026900e-11 1.43770507e-09 2.79846404e-14 4.00206063e-10
 1.99705912e-11 1.02633457e-11 9.69763020e-11 1.33211209e-09
 9.99979377e-01 1.77427822e-14]


0.9999794


84


[5.20653615e-04 4.62783282e-06 1.35113520e-09 9.99293208e-01
 1.35225468e-12 7.72960362e-08 4.52152343e-11 1.59384902e-13
 6.06776185e-09 3.50351331e-10 3.53893087e-12 7.13589882e-11
 5.52976731e-09 9.07155531e-11 2.78203913e-08 8.23711672e-12
 6.33556332e-11 9.10830612e-12 1.62558346e-12 7.48257793e-12
 1.18654378e-10 8.65237049e-12 1.08238325e-07 1.58128441e-11
 9.53337756e-12 1.06933662e-07 5.66833023e-07 5.03519344e-11
 1.50926084e-07 2.62507058e-07 1.44579695e-11 2.34969750e-08
 2.52978879e-07 6.58576766e-08 1.64400387e-06 2.68201603e-08
 1.55840646e-10 2.64129257e-11 9.47425349e-07 2.38364667e-12
 3.73102722e-07 7.57098481e-11 6.97224136e-12 2.42000442e-06
 5.62820461e-13 4.82376986e-11 3.36391670e-09 5.35215694e-09
 2.71235768e-12 9.75660698e-12 6.37540853e-11 7.75515874e-10
 1.06356337e-08 2.04578691e-06 8.96009533e-06 1.66290263e-11
 9.72477321e-10 7.95365857e-11 3.25038734e-08 3.67891517e-09
 1.10640246e-06 1.54311943e-04 7.35846197e-06 4.21559889e-08
 2.85475579e-07 1.86985968e-10 2.52824872e-08 3.28205301e-12
 1.05109116e-10 1.24639590e-10 1.44828238e-09 1.99361534e-11
 3.45727807e-10 5.65970847e-11 4.89984986e-09 1.29783908e-08
 1.39174794e-09 4.77436686e-08 3.08672983e-11 3.08586455e-11
 9.84235249e-10 1.07826356e-12 2.77109784e-08 4.19626695e-11
 1.55726951e-07 3.13931606e-12]


0.9992932


3


[1.31818316e-08 2.19143814e-10 7.10497980e-12 8.13817813e-09
 6.18040645e-12 3.81160896e-14 7.98774566e-13 8.51768656e-12
 1.35874343e-08 5.51771865e-14 1.22615249e-17 2.84459630e-12
 1.26282276e-10 1.46090781e-13 1.70019485e-11 2.57426719e-10
 5.36172990e-08 5.08752596e-10 4.56898741e-10 5.38619947e-11
 1.33585878e-10 3.88912062e-11 7.82073156e-11 5.66221348e-10
 3.66386565e-12 1.96323027e-11 4.59278970e-09 2.10296822e-10
 1.90374965e-04 1.18660275e-03 1.97300196e-07 9.98145938e-01
 8.66471601e-05 5.15222891e-05 3.38276091e-04 1.02834621e-08
 8.49449511e-10 1.01178415e-07 3.12885398e-08 1.33896449e-08
 9.24381780e-08 1.61620398e-10 7.25198504e-12 8.22409518e-09
 2.37037612e-11 2.26527219e-09 4.65878280e-10 6.77625920e-08
 2.38723347e-10 6.51139353e-13 4.06373557e-09 1.89182478e-13
 2.08793635e-10 4.74879094e-11 3.19376414e-10 1.64162026e-15
 4.19272483e-09 1.58415517e-10 2.57374053e-11 1.96521688e-10
 2.62454447e-10 2.39213893e-09 2.55528047e-11 3.82082083e-12
 3.48521420e-11 1.31875890e-12 5.88512572e-12 4.62698456e-13
 1.56496018e-12 2.07958113e-11 1.95873439e-11 2.64768286e-14
 3.35103958e-11 5.13997123e-10 3.74236276e-12 7.09609585e-12
 7.07265566e-11 3.19164672e-09 9.88597056e-15 7.18177393e-11
 2.77138664e-12 9.92774613e-12 9.39691321e-15 1.10499290e-10
 4.66489763e-11 2.31434403e-12]


0.99814594


31


[1.02129013e-06 1.20224399e-08 1.25156786e-11 9.99922991e-01
 2.90845534e-08 6.81756374e-10 3.25371999e-12 2.30253980e-14
 6.15286728e-12 5.94179012e-11 5.57495369e-11 4.22607207e-13
 8.78987577e-11 1.41797078e-12 3.42131284e-06 9.00343758e-11
 3.36253005e-11 5.55153232e-12 1.00825258e-10 1.44901188e-10
 4.81885476e-10 1.14866860e-09 7.11791363e-05 2.61465960e-10
 5.39992703e-11 1.40001699e-11 2.77549761e-10 1.49090657e-12
 5.38222356e-10 9.61751095e-11 7.60457964e-15 1.21358301e-09
 6.11838524e-10 3.20864335e-09 3.78250015e-10 1.79710025e-09
 5.95673955e-13 2.88142923e-14 1.34671385e-08 1.82943653e-13
 2.98591685e-09 2.98174051e-12 3.27296207e-14 4.53563498e-09
 1.30268871e-15 1.07135853e-14 1.77272044e-10 4.12288398e-11
 7.72937893e-14 6.11784496e-15 4.71843094e-12 8.32497613e-11
 6.66985578e-10 3.64719765e-09 7.42518047e-10 1.36903191e-14
 2.86373623e-15 1.73360740e-15 2.31106703e-10 1.34246737e-11
 8.60502988e-11 1.01633987e-06 2.65600528e-11 2.09113518e-10
 3.68194607e-11 2.83803688e-12 1.32047775e-11 2.47191075e-13
 3.22606004e-12 3.98207474e-11 1.37173558e-07 1.74093816e-14
 1.29204956e-13 9.50400782e-12 2.39144104e-11 1.67605307e-09
 4.03039538e-12 2.87361412e-10 1.03076922e-11 3.32911216e-13
 1.16611516e-12 2.14963442e-12 2.58549796e-11 2.79895227e-14
 8.56038920e-11 9.92631433e-13]


0.999923


3


[1.00415741e-06 1.47413575e-05 2.23705299e-09 3.92415968e-05
 3.26190301e-13 1.78241782e-10 9.21431403e-11 1.29636746e-09
 4.70823181e-07 3.25194094e-08 4.38038191e-12 3.32177341e-10
 9.62477671e-08 9.30705124e-10 2.51615546e-07 5.57441915e-09
 2.79031853e-10 8.65357508e-10 1.93087555e-08 6.95732671e-09
 1.25606070e-09 3.28748501e-10 2.41363693e-07 1.08466793e-07
 1.56238200e-09 2.13216134e-09 3.82033113e-06 1.14288535e-11
 5.43679846e-07 8.83163302e-05 7.33298513e-13 3.62154196e-06
 6.36316333e-09 2.83776103e-07 2.95636767e-07 2.91720674e-08
 2.15633796e-11 1.86196045e-10 2.32801334e-09 2.59878508e-10
 1.22994215e-09 2.71885819e-10 5.28796590e-11 3.77928622e-09
 6.76490060e-13 1.96671802e-12 1.12387000e-09 6.78794709e-09
 3.41798534e-11 1.86379189e-12 2.64423011e-10 3.97840316e-10
 4.14780432e-10 1.13304827e-06 2.02556354e-08 1.66940739e-10
 5.03487036e-06 1.82031362e-10 9.12174244e-07 6.01403485e-07
 2.43337422e-06 9.98817742e-01 1.47424900e-04 8.65390757e-04
 5.80780852e-06 2.73234352e-10 1.66343175e-10 1.74853534e-11
 3.68102393e-09 3.88928623e-09 6.60920492e-08 7.69899866e-10
 1.07938915e-10 4.22060680e-08 1.14060217e-09 1.02197344e-08
 9.20736642e-09 5.31407025e-08 6.77547046e-11 1.30364752e-09
 1.00949271e-09 8.84395313e-09 2.71743872e-09 9.48014467e-09
 2.00794616e-08 3.75893983e-10]


0.99881774


61


[8.09947949e-07 9.15338603e-07 8.80958098e-08 1.56308539e-04
 7.07787073e-09 6.46415629e-06 9.76944570e-09 1.90347669e-06
 1.95260304e-06 1.21745430e-07 8.51635349e-08 2.25407977e-08
 5.46276306e-06 5.16675811e-07 7.12433466e-05 3.78734981e-08
 1.01733724e-06 5.34213334e-03 4.55576256e-02 7.71415580e-06
 1.69286210e-07 5.86526075e-05 1.01423005e-07 1.73219760e-07
 2.32635762e-06 2.05933211e-05 3.35552650e-05 2.08705426e-08
 3.40645271e-03 1.07138192e-04 3.54110945e-08 3.73875189e-08
 6.50913933e-07 2.20985399e-04 2.19408832e-07 2.05814631e-05
 7.76986298e-08 9.31688433e-08 4.94255914e-07 1.08642246e-06
 2.60819945e-07 1.06393475e-06 2.67018862e-07 2.28243989e-05
 3.06029757e-09 4.65296957e-08 2.65473204e-06 2.33969376e-06
 3.54611615e-07 7.05493086e-09 1.44732394e-06 1.69312841e-07
 2.91439642e-06 1.93351397e-07 3.39799016e-08 4.20101713e-07
 1.82275614e-03 1.22709892e-07 1.44786100e-04 7.70415354e-05
 2.63571646e-02 5.78908017e-04 3.98267386e-03 9.10050094e-01
 1.90236443e-03 4.89916943e-07 1.22681877e-06 2.81055890e-09
 2.28278509e-06 7.48834026e-08 7.90085011e-08 5.99720522e-08
 1.99839945e-07 2.14948912e-07 3.71073945e-08 5.68640235e-06
 3.26573570e-07 3.77283811e-07 3.15388000e-08 3.33080550e-08
 2.27710444e-07 7.16729460e-07 3.27873636e-07 6.61610511e-06
 4.55164042e-07 1.74459433e-06]


0.9100501


63


[1.00538932e-06 6.81425206e-07 1.67233918e-11 3.61944302e-07
 5.64563370e-12 8.49751469e-09 1.56646784e-09 3.14742891e-07
 3.49309194e-05 1.02602427e-09 5.81851928e-11 3.20712417e-08
 2.22279436e-06 1.29358773e-08 9.21383673e-07 4.30956826e-09
 5.72901593e-09 2.01796070e-06 9.76890442e-06 4.16121821e-08
 1.38366918e-09 5.39744853e-08 2.03760031e-08 8.50124877e-08
 2.39244144e-08 4.15035320e-05 1.06376028e-05 3.41894763e-10
 5.14683779e-04 3.77171345e-05 4.04671985e-09 1.42287107e-07
 1.26678185e-06 1.96102717e-10 3.86098748e-07 3.26478258e-08
 9.93163538e-11 1.49146484e-09 1.46769763e-09 2.40501414e-08
 9.79648140e-10 4.68282169e-09 2.73556355e-09 9.95440814e-08
 2.95708652e-10 1.79934156e-09 7.02465783e-08 1.39478020e-08
 2.33114195e-10 4.45436243e-10 1.30276891e-08 4.53287581e-11
 1.54431383e-08 2.69912315e-09 7.03714349e-08 1.10795774e-07
 5.81964123e-05 4.99393082e-07 4.75924084e-04 1.39241078e-04
 4.89434678e-05 1.15279232e-04 9.96059775e-01 1.38668343e-04
 2.30094022e-03 3.12988524e-09 5.15097354e-10 1.14869315e-10
 7.87175836e-09 4.14644763e-09 5.58795954e-10 7.13205566e-08
 3.94730648e-08 9.57462643e-09 4.22621360e-09 3.15263655e-08
 1.22908288e-08 5.76963686e-08 6.41980191e-10 3.89645542e-08
 3.81372628e-10 5.01456405e-08 2.97543590e-09 2.57630404e-06
 3.28783074e-07 1.83237092e-10]


0.9960598


62


[3.01640848e-05 9.99905348e-01 1.24606458e-08 3.89937168e-06
 1.37018065e-14 3.27803271e-11 8.37199476e-11 7.86675329e-08
 4.24267599e-09 1.36618095e-09 2.42562272e-11 1.69386169e-07
 5.42654107e-06 1.87087665e-10 2.38417158e-07 1.24158472e-09
 1.22640212e-12 1.03836473e-09 8.06111515e-08 9.71101602e-11
 1.61495733e-10 4.85433655e-12 1.16691785e-08 4.36703507e-10
 5.14045473e-10 1.48128576e-08 1.54508957e-08 9.93019555e-12
 1.42143355e-08 8.84053108e-11 3.35718823e-12 3.03289477e-10
 9.67020561e-11 3.47691559e-12 5.16672712e-11 3.96641192e-11
 8.55262822e-12 3.71895779e-14 2.39415571e-11 4.79120189e-14
 4.06634535e-12 2.61808392e-12 1.49148245e-13 3.54570484e-10
 7.32219219e-16 1.03167827e-13 6.54266094e-12 1.08851502e-12
 1.05875974e-13 3.14249034e-13 1.83475153e-12 2.25748500e-12
 3.12159083e-11 5.11990939e-09 1.39394585e-08 2.27414282e-10
 1.80450477e-09 5.11785371e-11 1.39956069e-06 2.28471428e-08
 1.65163332e-08 4.80001399e-05 3.61691207e-07 1.33890046e-06
 8.99371067e-09 6.02567163e-11 5.07512597e-13 1.20720881e-12
 5.87851978e-13 1.35167144e-09 2.09300481e-07 5.54775914e-09
 1.47977061e-10 3.19464522e-09 3.56994261e-11 8.43747614e-08
 7.21217364e-10 1.22212362e-09 4.11745724e-12 1.33674471e-09
 1.66011718e-11 1.82323190e-09 4.82965801e-09 4.29821734e-09
 2.99680028e-06 1.60078721e-12]


0.99990535


1


[9.52129824e-08 2.33710047e-08 4.09502765e-10 4.64494467e-01
 5.92095253e-12 2.44304559e-08 1.38170891e-10 2.42829520e-12
 2.57844562e-07 3.72474107e-10 1.02972506e-10 6.76189243e-11
 7.61428309e-05 2.97921049e-10 2.77890155e-09 9.18681537e-12
 4.06591011e-11 2.26847055e-10 4.87959673e-10 9.66900449e-10
 3.80851149e-11 1.90088726e-11 1.07496774e-07 2.76952405e-10
 1.61509792e-10 3.75669998e-07 2.15089540e-06 1.32195616e-10
 1.00520847e-05 2.59607503e-07 6.10012431e-12 4.29559850e-06
 4.60928851e-09 2.34544224e-08 3.47828646e-08 7.32021643e-09
 1.89856828e-11 6.80692048e-12 9.91959013e-08 7.33738504e-12
 2.82684560e-08 3.05306141e-10 1.69411221e-11 4.61680258e-07
 2.25791824e-12 4.72810983e-12 4.83950258e-09 5.29515654e-10
 1.00790851e-11 1.52055174e-11 2.72479317e-10 3.18652660e-08
 8.06991984e-09 6.00640249e-07 2.19552767e-08 6.16635354e-10
 4.14524504e-09 2.69578720e-10 2.20878719e-05 2.84005267e-07
 3.21671905e-05 5.34900129e-01 2.11647188e-04 2.40831563e-04
 3.02412718e-06 1.10659320e-11 2.01454031e-09 2.95852891e-11
 2.35079622e-10 3.46695520e-11 6.71163214e-09 3.39480492e-11
 3.82213106e-09 1.13734772e-10 2.06098749e-10 1.49188978e-07
 2.72286554e-10 1.10323928e-09 3.88797483e-09 1.40088136e-10
 5.37658418e-10 8.13583512e-09 3.50297857e-09 3.95662791e-09
 1.32381954e-08 2.61276312e-09]


0.5349001


61


[5.42557746e-06 1.19268194e-07 1.29390075e-11 1.41301527e-07
 1.68609615e-09 3.39922792e-08 1.87116100e-09 3.99690498e-06
 6.70194567e-09 4.92286123e-09 1.23933868e-08 5.43205397e-06
 6.08588948e-07 1.24661943e-08 2.99522276e-06 1.93613445e-08
 1.40383802e-08 6.83440566e-01 3.11985910e-01 6.53726602e-06
 8.24586177e-09 3.86261345e-05 3.63433976e-08 1.55089861e-08
 2.52549057e-07 1.12417853e-03 4.45892510e-06 4.29915381e-10
 5.10403552e-05 1.86651581e-04 7.18994253e-10 3.41232681e-10
 1.28575309e-07 1.58838830e-05 3.23134088e-07 6.29939407e-08
 5.51346691e-10 2.55123866e-10 8.67819061e-09 1.60629110e-08
 3.84109411e-09 1.14141174e-09 1.25322741e-09 1.34571039e-08
 3.29860861e-10 5.29099195e-11 2.71209650e-08 9.63790647e-09
 7.41793516e-10 1.40527243e-10 1.91835681e-09 3.71540376e-09
 1.20719150e-08 1.21597221e-09 2.39219048e-07 1.63292828e-08
 2.46225274e-04 4.07821759e-08 9.31403008e-08 3.86940435e-09
 2.50130822e-03 2.73542937e-05 3.00310872e-04 2.95652262e-05
 1.01754756e-06 1.16999836e-07 1.12634702e-08 5.63687763e-10
 3.51119496e-07 1.63553100e-08 2.81577894e-09 1.70927564e-07
 9.65595270e-10 1.37769387e-08 7.10183112e-09 7.90291352e-08
 1.50365775e-09 1.67987917e-08 2.14125259e-10 1.93770625e-10
 6.99166103e-09 1.17657073e-09 5.56278906e-07 1.72069522e-05
 1.74700301e-06 1.08886178e-10]


0.68344057


18


[8.23981754e-05 1.98684120e-07 6.22988965e-13 6.48116361e-09
 1.06455094e-13 4.00728233e-08 6.08790240e-11 1.56290134e-10
 2.08039168e-07 1.53413515e-09 1.80506110e-10 2.53276955e-09
 1.57900740e-05 3.63317687e-09 2.09039115e-07 6.90821900e-10
 2.79836592e-12 1.36765388e-09 5.99451599e-10 4.15365853e-10
 3.63610059e-10 3.45336815e-11 2.06556147e-10 3.30390687e-10
 1.49853108e-09 9.98291075e-01 1.41647503e-08 4.54381914e-11
 1.15503985e-06 2.32811868e-08 1.61971510e-12 3.23181504e-09
 2.26050503e-08 1.60680347e-09 2.06162545e-10 4.49402904e-10
 4.44732185e-12 4.17721847e-12 1.10697744e-08 2.47555559e-10
 7.40517647e-10 1.74220846e-11 3.12169583e-12 4.95030577e-08
 3.32278997e-14 2.38260448e-13 7.06051828e-10 4.38876102e-10
 2.08412253e-13 1.44560926e-11 2.68297523e-10 2.24201296e-10
 5.11390574e-09 8.67594707e-09 5.64839138e-05 3.83517204e-07
 9.34191835e-10 2.36894913e-11 9.58469748e-09 6.81585205e-11
 1.84591986e-09 8.15308283e-07 7.01680980e-09 4.42543993e-08
 3.78892562e-09 8.99759822e-10 6.01526045e-13 3.11907683e-12
 3.31780631e-10 2.37001998e-11 2.49182890e-13 1.21063755e-08
 3.50228346e-10 2.47884248e-11 4.36913110e-11 4.33389680e-08
 2.58904929e-11 1.33850153e-10 9.68830918e-12 7.39673114e-11
 5.52443750e-11 4.16277124e-10 2.80111750e-11 7.56915199e-07
 1.55025919e-03 2.30051455e-14]


0.9982911


25


[1.4447137e-04 7.2344289e-07 5.2461008e-11 3.0520251e-08 2.4738203e-13
 1.0131986e-07 8.5381612e-11 1.0884229e-10 3.5235626e-08 7.1151107e-10
 1.4479680e-09 7.5450718e-10 2.4479482e-06 5.3031208e-08 1.5222669e-07
 5.4210813e-11 3.2510082e-12 4.3485382e-08 8.5876195e-10 1.4825148e-09
 5.2666135e-11 8.6219830e-11 1.9491964e-10 2.3087459e-09 3.6090311e-10
 7.4174696e-01 3.0153132e-07 1.0163060e-09 8.3223036e-08 2.1365945e-08
 6.3125151e-11 4.3844668e-08 3.3844366e-08 1.0251277e-08 2.1154938e-10
 2.4241814e-10 1.1716784e-10 5.6127214e-11 4.8120622e-08 1.7165938e-10
 2.8816778e-09 3.1425074e-10 8.3931646e-11 7.3705831e-07 7.3438282e-13
 1.0961663e-11 2.7098130e-09 7.6785067e-10 9.5106961e-12 2.3576913e-10
 5.9212574e-10 1.0098463e-09 4.7486122e-08 6.5321365e-07 2.0446087e-05
 3.2266425e-09 8.2749247e-09 6.7117853e-11 8.4079019e-08 6.1536232e-10
 1.9183803e-10 1.0959762e-07 1.3401992e-09 9.3958882e-08 1.1849983e-08
 1.4662810e-08 1.5192333e-12 4.7256981e-12 3.5830883e-11 8.6702361e-11
 8.8356346e-13 2.7448479e-09 4.2986342e-10 2.0531804e-11 6.2219195e-11
 1.6917905e-09 1.8695276e-11 7.9393679e-11 9.0450321e-12 4.7844891e-11
 1.5477725e-10 2.5822299e-11 4.4286609e-11 5.3463225e-09 2.5808224e-01
 1.6855580e-13]


0.74174696


25


[9.99891043e-01 4.91267674e-05 2.43645437e-09 1.03621933e-05
 1.58416908e-11 4.68457095e-09 6.89124979e-10 2.37287168e-08
 1.05768414e-07 3.69739332e-08 2.78201795e-10 1.30663175e-10
 8.61193505e-10 7.04041314e-09 2.88659230e-09 1.53882007e-09
 4.67502232e-08 8.73587055e-07 8.31922620e-09 3.07042369e-09
 1.06750511e-08 9.28662924e-09 1.37684042e-08 2.67739857e-08
 4.07977403e-08 1.15954253e-05 2.46960462e-06 4.81184292e-09
 1.76462684e-08 1.34306759e-07 5.94260330e-09 1.14109682e-08
 1.47764908e-07 1.11775954e-07 8.41047481e-08 8.97739056e-08
 2.10531637e-09 4.16995216e-10 1.83798318e-06 8.26304719e-11
 3.31610508e-08 9.42117939e-10 6.07815842e-09 1.72934938e-06
 4.40669549e-12 2.90098001e-10 1.63080891e-08 1.45730350e-09
 5.63278070e-11 8.32084835e-12 2.42387466e-09 7.62181784e-08
 5.49039676e-08 8.08604636e-06 1.32707228e-05 1.53971766e-10
 7.49095097e-09 7.72172049e-10 9.52263051e-08 4.52229987e-09
 3.83082038e-10 2.51388812e-08 1.47496637e-08 7.61873693e-08
 1.74950412e-06 1.26866973e-06 7.61463170e-10 3.00526132e-11
 1.46568216e-10 2.29989681e-08 4.44593384e-09 1.39658640e-09
 5.97100480e-10 1.12548610e-08 4.09383194e-10 8.33442559e-09
 1.56563973e-09 5.55517943e-08 1.18936361e-10 2.54106354e-11
 4.12206447e-09 1.55470900e-10 1.06382758e-09 5.40353873e-10
 5.09418624e-06 4.36514410e-12]


0.99989104


0


[9.8251860e-07 3.8007546e-08 1.1149686e-11 9.9997950e-01 5.8240392e-11
 6.6837702e-10 1.3407494e-11 6.3514216e-12 1.5187937e-10 2.6374775e-10
 5.2862357e-11 2.7344321e-13 6.0500999e-10 1.2730336e-10 6.4802452e-10
 6.2900065e-13 7.8841191e-11 5.3459530e-09 1.4636712e-11 1.0221501e-11
 1.0605068e-11 8.9503877e-11 4.8391769e-07 2.0955645e-11 6.7595896e-10
 6.1525290e-10 4.3536485e-08 4.5504082e-12 2.3518706e-07 9.5942127e-08
 1.8521107e-11 2.8238367e-10 3.6863760e-08 2.3728169e-06 9.5367199e-09
 1.8975901e-09 2.2096033e-11 2.5088362e-12 1.6096539e-06 5.0161026e-13
 8.4243844e-08 5.9870400e-11 9.6151379e-11 2.6189327e-06 7.0504651e-14
 6.7537326e-12 5.5445182e-10 9.1795066e-10 2.5664267e-12 3.5431228e-13
 8.6973406e-12 1.4109204e-08 7.3572750e-08 1.6873145e-08 5.7153177e-10
 1.8264021e-13 1.5297053e-13 3.6503283e-12 5.6536771e-07 5.8298882e-10
 7.5683396e-08 4.1514232e-07 1.9738985e-07 8.5406373e-06 1.9833569e-06
 1.2293945e-09 1.3200128e-08 6.1514048e-13 5.9071113e-13 6.1779137e-11
 3.7999211e-08 7.0286230e-13 2.4315291e-10 6.8103518e-12 5.0136593e-11
 1.2196690e-09 1.3346865e-12 7.0962183e-09 8.1948132e-10 3.6689141e-13
 1.3205378e-10 1.4266528e-13 7.7938121e-11 2.3639771e-13 6.6553763e-10
 4.0319435e-13]


0.9999795


3


[1.9892364e-07 6.9146169e-09 6.1735961e-10 5.4278557e-06 4.0833030e-09
 2.2246850e-10 2.0548108e-10 1.9348706e-08 1.0039447e-05 2.8085867e-11
 3.9806509e-12 4.2222095e-10 2.7513408e-06 2.1918661e-10 5.2352147e-11
 3.6527374e-09 1.8003497e-06 2.6069824e-06 8.6553393e-07 4.9169110e-08
 7.1792661e-09 4.1411945e-09 4.3042228e-09 1.6025963e-08 1.1024855e-08
 4.0219525e-09 1.5047391e-06 5.5999188e-08 2.1324815e-02 8.9483869e-01
 1.7137027e-05 6.2132156e-03 1.3468093e-02 1.8554808e-03 6.2215224e-02
 1.5035262e-07 2.3377365e-07 6.4811411e-07 3.0590591e-06 1.2012556e-06
 6.1055198e-06 3.0662284e-07 4.3078060e-08 1.7671995e-05 9.6369801e-09
 1.0194773e-07 8.7863988e-08 2.4120950e-06 2.1896202e-08 2.3060244e-10
 6.9231032e-07 2.1173594e-09 2.5254886e-07 7.7141964e-09 3.3098090e-08
 2.3957315e-11 1.0577528e-07 1.6176142e-07 5.4278689e-07 6.5654422e-07
 2.9376420e-07 4.1297614e-07 2.1447950e-06 7.7432061e-09 2.0494829e-07
 6.5972910e-10 7.9912688e-10 1.9640568e-10 2.9669059e-11 7.7002260e-10
 2.0779017e-07 1.2513573e-11 3.1319548e-08 8.7424290e-09 2.3837451e-10
 1.0152247e-09 2.5917910e-08 3.9431966e-06 3.1292230e-10 1.4675958e-08
 1.7187099e-10 2.1803245e-10 2.6569769e-11 2.1401874e-08 7.7581269e-08
 2.5781721e-09]


0.8948387


29


[5.4226518e-08 6.2855769e-08 1.7809267e-08 9.3813724e-05 3.8252089e-11
 5.1640390e-11 3.1938816e-11 8.7260873e-13 1.1041997e-10 2.3342304e-11
 3.5458750e-10 2.4881257e-09 6.4573918e-08 4.4631743e-11 5.1238700e-08
 9.8062669e-10 8.3855056e-10 1.5862323e-08 1.9571287e-09 1.0510520e-09
 3.6999747e-11 7.2480133e-11 4.7519272e-03 2.8485795e-08 1.8282293e-09
 7.8218654e-13 1.9527709e-08 4.0658891e-12 1.2265640e-08 5.3307209e-10
 8.2788438e-12 5.9908873e-09 6.4946271e-10 9.4818766e-09 2.5472140e-08
 1.0868552e-09 1.3631744e-10 1.0144246e-11 4.3278234e-10 1.7614408e-12
 2.6564012e-10 4.2821677e-11 3.1959943e-12 3.1458138e-09 1.1207740e-13
 4.1794503e-13 1.4403155e-10 1.7660380e-10 1.0024857e-11 3.5853961e-13
 1.2798384e-11 5.9002143e-12 5.9890681e-10 1.4460547e-10 1.3850869e-11
 2.4271321e-11 1.0763223e-12 1.1474335e-09 1.3033964e-06 7.2088551e-06
 6.4307670e-09 1.0893821e-07 1.8404831e-08 1.2876095e-08 7.0050821e-10
 5.3643461e-11 5.6783445e-10 1.2895413e-12 4.8269418e-13 6.9326939e-10
 9.9514526e-01 1.0567180e-10 3.2903186e-10 1.2814878e-10 2.2413163e-11
 3.3904746e-10 1.8625934e-12 9.5691028e-09 1.2297467e-09 8.1061872e-11
 9.8284512e-11 3.7311798e-10 3.1758489e-09 8.5328041e-15 1.0971484e-09
 2.9882335e-10]


0.99514526


70


[8.88953622e-08 4.59443754e-08 2.09976078e-10 9.99995828e-01
 1.05538717e-10 1.13122844e-11 5.17322730e-12 1.78551340e-11
 1.85663655e-11 1.32144951e-09 2.21692775e-09 1.95927242e-14
 5.99038485e-10 1.71305834e-11 1.37307575e-06 7.46308234e-13
 1.49297380e-11 1.51621063e-10 2.15873519e-09 4.27981262e-10
 2.34677590e-11 1.96609062e-09 2.55230498e-06 1.42537274e-10
 5.39403633e-09 2.12570794e-10 1.16892704e-10 1.11991829e-12
 4.80417997e-11 4.56454943e-11 3.24179599e-16 1.63663401e-14
 5.52766275e-13 1.68106667e-10 1.35193614e-12 5.95219651e-10
 1.43139211e-12 9.78042686e-16 4.43304365e-10 1.40808078e-15
 3.11273472e-11 6.32011370e-13 1.82238037e-14 1.94910910e-09
 2.30274360e-17 2.63778575e-15 1.22698097e-12 5.05698565e-12
 2.97560425e-13 4.60458926e-15 2.45219206e-14 3.58868046e-10
 3.74608566e-10 9.91244642e-10 3.20907900e-09 5.05233130e-15
 4.18424959e-15 2.04743398e-14 8.39915248e-09 5.09204057e-09
 2.88461139e-12 6.49970255e-09 9.73665159e-12 3.94996647e-10
 2.93473884e-10 1.06677679e-11 4.26478436e-11 4.76729523e-14
 1.28988305e-13 4.00851618e-12 2.81207035e-09 2.52296502e-13
 3.07931442e-13 9.96617068e-14 6.46571425e-12 3.05934389e-10
 6.70125468e-13 7.16718684e-10 1.80764854e-12 5.08146476e-13
 9.53276412e-13 9.17262007e-14 7.35948941e-11 1.91815456e-14
 3.37535355e-09 3.39311505e-14]


0.9999958


3


[1.03034665e-06 1.67837188e-05 5.10435655e-07 2.82311765e-03
 1.26256765e-11 1.81903131e-10 6.09413719e-09 1.32705895e-06
 8.50973720e-06 7.67662343e-08 2.40781596e-11 1.04953302e-09
 2.84639136e-05 3.60642183e-10 1.25082877e-07 9.40067668e-09
 4.29277947e-08 1.09268159e-08 2.88080440e-08 1.51506683e-07
 3.00640224e-09 2.62109046e-09 1.65867732e-07 5.18219281e-07
 1.20077843e-07 5.34691225e-09 1.42713789e-05 3.80516146e-10
 1.76830199e-05 1.10560797e-01 6.99399132e-12 1.20121140e-05
 1.64805840e-08 4.79447999e-06 7.50465802e-07 3.16960609e-07
 5.40017719e-09 3.15397752e-09 1.12661676e-08 2.47685095e-09
 2.73185368e-08 8.18569212e-10 1.34368933e-10 7.82777718e-08
 1.60232452e-11 5.85862261e-11 1.18416810e-09 6.07480274e-07
 1.87495441e-08 5.60907050e-11 1.59623759e-09 4.11310914e-08
 1.74177277e-08 1.80161933e-07 4.00040960e-08 9.20001089e-11
 1.66541231e-05 1.84937733e-07 9.40370373e-04 1.67794954e-02
 6.34904097e-07 8.19932401e-01 2.58116226e-04 4.84428406e-02
 1.35635055e-04 6.20583696e-10 4.42260557e-08 9.58092938e-10
 1.40401535e-09 1.68775909e-08 9.61269677e-08 1.28387398e-08
 7.52170604e-10 1.00186227e-07 9.40232114e-10 4.59093847e-08
 1.49669916e-07 2.31481010e-07 9.53837120e-10 1.03935264e-07
 1.94453082e-11 8.81429472e-08 8.83740370e-09 4.38173160e-08
 8.87294362e-08 3.09842974e-09]


0.8199324


61


[7.2439076e-07 4.4308194e-07 2.2888221e-07 6.3224288e-06 3.2255160e-11
 7.6637063e-10 8.1642346e-09 8.7192784e-06 4.0982118e-06 6.1774720e-08
 2.5889699e-10 7.4152290e-08 1.5297923e-05 3.3823793e-09 1.9809428e-07
 3.3049357e-08 7.0987392e-07 9.6666394e-05 1.8227899e-04 2.8606485e-07
 2.5815075e-08 1.4109190e-07 3.5132373e-08 1.8448513e-06 2.1437897e-07
 1.7180284e-08 1.3906009e-05 6.0746008e-09 7.8548685e-05 8.5808551e-01
 2.0343574e-08 2.9141640e-07 1.0172936e-06 8.4740452e-05 2.2593260e-05
 5.5167875e-06 6.4212273e-08 2.8128664e-08 3.5491290e-08 9.7436714e-07
 1.6079230e-07 2.8184641e-07 3.5722472e-08 4.3262983e-07 1.3824026e-09
 4.9837334e-09 3.5494557e-07 2.8524809e-07 2.5886334e-07 3.3037613e-09
 1.3404804e-07 1.1685785e-08 4.3063253e-07 6.9739528e-08 1.1280824e-08
 2.0455706e-08 1.1000821e-02 9.7082539e-06 3.3873992e-05 1.1047723e-02
 2.9464468e-02 8.3647465e-04 6.5531328e-02 2.2694629e-02 7.3803705e-04
 1.0352242e-08 3.7575307e-07 4.9020712e-09 8.2551566e-07 2.1402059e-08
 5.7063115e-08 4.3297655e-07 2.4493614e-09 4.2397545e-08 2.8358869e-07
 2.6422519e-08 1.1387140e-08 7.7799064e-07 6.2607353e-10 3.1558616e-07
 2.7605029e-08 1.4981403e-07 7.0389494e-09 2.5142159e-05 2.7574657e-07
 3.5623810e-08]


0.8580855


29


[1.23182563e-05 4.44169973e-06 5.13825910e-07 2.51091933e-05
 5.05845477e-10 4.77735802e-11 2.10059392e-09 6.33660591e-07
 1.61275250e-06 4.92713752e-07 1.36397005e-10 2.97487361e-07
 7.83774851e-07 6.58555299e-09 4.03077365e-07 5.97480323e-07
 1.18689849e-08 2.36700066e-06 6.06671406e-08 7.96932564e-09
 2.96816571e-09 2.98703839e-09 5.71647085e-08 1.75718787e-06
 1.08529798e-08 3.87330834e-09 8.37438074e-06 1.97385996e-09
 1.62201724e-03 9.67964947e-01 3.66531822e-07 2.30282545e-04
 1.01752712e-05 1.48397787e-02 2.08690559e-04 3.39889027e-07
 3.89328640e-08 2.12494680e-08 1.36960594e-07 3.21894078e-07
 1.35466053e-07 1.43096116e-07 5.61223557e-09 4.23181490e-07
 4.64496303e-10 4.86600715e-09 1.62922589e-07 6.16549869e-07
 1.14622715e-07 3.37131123e-09 5.24474828e-08 1.55315261e-09
 3.01603251e-07 8.60705995e-08 4.74948187e-08 2.60315547e-09
 1.65421443e-04 5.39499013e-07 1.02889908e-05 2.47896620e-04
 6.12472213e-05 5.04333759e-03 1.41102224e-04 9.37296264e-03
 9.43553459e-06 4.02171541e-09 8.74687203e-08 6.03490413e-09
 1.03107382e-07 3.66353925e-09 3.76148222e-07 1.05824640e-07
 4.60391796e-08 1.12189596e-07 1.89692955e-08 8.09132459e-08
 1.29777762e-08 2.55300915e-06 6.25131266e-11 9.58399369e-08
 1.16853967e-08 1.42508043e-07 5.29087396e-09 4.73693899e-06
 4.34450094e-08 5.21128349e-08]


0.96796495


29


[1.06834399e-07 9.99998927e-01 1.34757157e-08 1.05884537e-08
 8.82472890e-15 4.67588682e-14 5.11159821e-12 6.46206075e-08
 4.17413222e-11 2.72367418e-09 4.15664925e-13 1.09650919e-07
 3.17300426e-08 2.68360386e-11 1.68243446e-07 5.16287568e-11
 4.73542578e-15 2.15597332e-12 7.13184581e-11 2.45292583e-13
 1.65936871e-13 1.83501946e-14 7.89370652e-11 1.12668035e-10
 7.75891070e-12 7.70104536e-11 6.35789962e-11 2.48682043e-13
 6.79359902e-10 8.67271268e-08 1.71198640e-14 2.10420972e-10
 1.27391833e-10 1.59380023e-10 4.35218216e-11 7.55377152e-13
 4.82275634e-12 3.59724855e-15 3.70906376e-13 5.73566395e-14
 5.45644909e-13 7.77113630e-14 3.62307078e-15 2.62242006e-10
 7.34730077e-17 2.95985906e-14 6.43416310e-13 5.64855034e-14
 1.21070878e-13 4.05776487e-14 3.84038775e-13 3.48052851e-14
 4.84155814e-12 4.94116900e-11 1.34055114e-10 4.64164601e-12
 7.07903111e-11 7.26134376e-13 9.08990838e-09 5.30949720e-08
 2.39872987e-12 8.56355129e-08 5.17593302e-10 3.55553524e-08
 2.70888000e-11 3.96364191e-12 1.20805831e-13 1.10194709e-12
 7.31328973e-12 2.49213618e-11 1.32814799e-08 7.32822691e-09
 2.06755056e-12 5.21393935e-11 2.02905658e-13 3.23836891e-09
 1.36268991e-11 7.44712972e-11 3.17247868e-15 1.11367793e-09
 1.12556177e-13 6.65693750e-11 2.76974305e-10 2.03745978e-10
 2.28225929e-07 9.04569100e-15]


0.9999989


1


[1.63864211e-08 2.00985187e-06 7.60471650e-08 1.94551470e-03
 6.33487539e-14 2.01933869e-12 5.66663383e-10 1.14488585e-09
 2.20115689e-05 5.89375304e-09 9.57319686e-14 3.10915604e-09
 3.20752093e-07 4.76722412e-11 1.11263541e-08 2.10264670e-11
 7.98371924e-11 1.89473881e-10 4.17438695e-10 1.34825859e-10
 2.87959066e-11 1.23926676e-11 2.20325025e-09 3.15282156e-09
 4.66890693e-10 2.48730175e-10 4.33425782e-07 2.50204163e-11
 9.65345589e-06 6.55552596e-02 1.13816394e-10 1.25233055e-04
 2.21870820e-07 4.95329732e-05 1.62487886e-05 6.26172092e-09
 3.38347572e-10 1.47184612e-10 2.12637552e-09 1.86850535e-09
 1.85003746e-08 1.17709412e-10 4.13428059e-12 5.47293633e-09
 5.76830250e-13 5.70633853e-11 1.89313587e-09 6.30000851e-09
 6.37830511e-10 1.34943619e-11 1.65743841e-09 9.77027903e-11
 1.17186161e-09 1.38818720e-07 1.83846244e-10 9.96797436e-12
 3.10509517e-06 6.52688881e-09 9.67420146e-06 4.70513369e-05
 2.13353701e-06 1.78721268e-02 9.04901943e-04 9.13114130e-01
 3.19658750e-04 2.08678925e-11 5.94387695e-09 3.98139473e-11
 3.73395537e-09 2.25128138e-10 3.80881637e-08 7.97687782e-09
 2.76245160e-09 4.32179483e-08 2.61258321e-10 2.40647921e-07
 1.02254152e-08 8.42349905e-08 3.63076691e-12 6.45770459e-09
 1.16667356e-10 2.86916766e-08 1.94729344e-09 5.67047778e-08
 7.49069695e-09 1.47282908e-10]


0.91311413


63


[5.53888494e-05 1.98214893e-05 6.91819357e-09 2.94257597e-06
 5.69288063e-12 3.90339107e-12 3.14504578e-09 3.06990796e-06
 1.96310864e-07 4.69151473e-09 3.09599985e-11 1.83552766e-06
 9.70031124e-07 5.64379476e-09 3.09444744e-07 7.44601625e-09
 1.50579567e-08 3.41940063e-06 3.44507425e-05 4.64653667e-08
 3.28249739e-09 7.55520002e-09 1.60509561e-08 1.97550975e-07
 2.14873221e-08 2.53229846e-08 1.27724024e-05 7.99616484e-10
 1.49163767e-03 9.87728715e-01 3.48204196e-07 3.11367476e-05
 8.48551281e-05 1.30237577e-05 2.64647813e-03 1.72252470e-07
 3.14901927e-09 9.11233755e-09 3.10733945e-08 6.66389681e-08
 8.74765647e-08 4.33338432e-09 1.18597174e-10 9.95889806e-08
 1.88149080e-10 5.25808452e-10 2.17511129e-07 3.13790522e-08
 1.26143551e-09 1.59812823e-11 1.70631381e-07 1.15369214e-09
 2.82344264e-08 1.11518572e-08 2.09313598e-08 5.32538215e-11
 9.20030925e-06 2.32423446e-07 5.25521056e-04 4.52203472e-04
 6.48981995e-07 6.38047000e-04 6.00474561e-03 1.97676971e-04
 2.97330844e-05 2.92190361e-09 3.53037555e-09 1.62755653e-09
 2.53342080e-07 5.58132314e-08 4.39423715e-08 1.87316596e-06
 1.53925639e-09 5.80901798e-08 9.48672891e-08 8.52180690e-08
 1.03598424e-07 6.32141962e-07 3.76749881e-11 2.30853357e-06
 1.64372904e-09 2.58201727e-08 8.89313401e-10 2.52415157e-06
 1.23888310e-06 2.38970926e-10]


0.9877287


29


[1.03008965e-07 5.63571989e-09 1.98248543e-10 4.59378998e-06
 8.88956964e-12 1.19445198e-13 2.11394929e-11 5.87312088e-10
 9.20135506e-07 2.29182495e-09 1.11818249e-13 6.15781071e-09
 7.79234597e-08 1.39345601e-11 3.45342155e-09 5.57950075e-10
 6.15422602e-10 6.00458483e-09 2.47158571e-10 1.30719005e-10
 6.55430744e-12 1.59962885e-12 4.21417745e-09 9.01716479e-09
 1.67105340e-11 1.70731845e-10 3.94125038e-07 1.93957198e-12
 2.47849006e-04 9.95214224e-01 8.10535736e-11 2.11289134e-05
 1.61942546e-06 4.39375435e-06 4.06997540e-04 3.77233045e-09
 9.59587548e-11 9.22854432e-11 9.60090141e-09 1.85356832e-08
 5.46130652e-09 1.76332962e-10 3.18316597e-12 6.55121823e-09
 3.68784213e-12 9.37587074e-12 7.08417325e-10 1.49227786e-09
 2.12117893e-11 5.54014213e-12 1.67210734e-09 3.85966398e-11
 4.53154514e-10 6.96628699e-10 1.08518849e-09 5.91236261e-12
 1.80036224e-07 1.23851889e-08 3.60767956e-07 8.39575296e-06
 3.23970517e-06 4.05690866e-03 1.00217685e-05 1.46036164e-05
 3.68645055e-06 1.91373219e-11 6.26457775e-11 7.58117701e-12
 1.46608270e-09 3.25204169e-11 3.71626196e-09 3.54993257e-09
 2.48548768e-11 1.51698099e-09 9.45596157e-10 4.23890839e-10
 1.68929190e-10 6.74644127e-08 1.32393445e-13 5.07733855e-09
 5.32917599e-11 1.50056068e-09 7.99858704e-12 1.70635630e-08
 1.77562995e-08 3.31127617e-12]


0.9952142


29


[2.12084274e-06 1.52142211e-05 3.60192338e-08 3.12540749e-07
 1.53490397e-11 9.12957154e-10 9.19622822e-10 2.06352735e-09
 2.78180119e-06 6.18597596e-07 8.75487771e-09 1.32739779e-05
 1.47435203e-04 2.43286848e-08 8.64922622e-05 5.00210851e-09
 1.79313475e-09 2.93858768e-08 2.70052595e-07 1.44972061e-08
 1.13067590e-10 7.18557366e-11 1.77661519e-07 4.16921949e-07
 6.30054009e-09 6.27530085e-07 3.43480065e-06 8.39984637e-10
 1.19136466e-07 4.86295430e-05 7.30295653e-13 4.53180533e-08
 2.01601882e-08 1.24191475e-08 2.82455034e-07 1.52099311e-08
 4.51876092e-09 3.21189637e-11 4.99452923e-09 2.88584112e-09
 4.79039253e-09 9.16386550e-11 8.19179655e-11 1.01424263e-07
 1.72996611e-12 3.39660028e-12 1.22527477e-09 7.27843785e-10
 2.55144128e-10 5.93002758e-10 6.97712244e-09 2.80167556e-10
 5.53802293e-09 8.29654478e-09 6.21039771e-06 1.15129657e-08
 1.11712126e-07 1.02403264e-09 3.65824739e-08 4.56200553e-07
 3.07774606e-08 3.68588517e-04 2.24058407e-08 2.25647483e-07
 2.80512609e-07 9.90724058e-10 2.94312269e-10 9.17905058e-11
 5.77390118e-08 2.07014206e-09 9.63157909e-09 2.80873167e-07
 2.62178973e-10 2.15391635e-10 1.55182578e-09 9.01950958e-10
 1.80658648e-11 1.57598485e-08 1.17793340e-12 3.76637601e-08
 1.94695191e-10 4.22177919e-08 1.47638002e-09 7.85653853e-09
 9.99301076e-01 2.55181211e-13]


0.9993011


84


[1.6504120e-07 2.1421737e-08 1.6931943e-07 2.8135744e-04 5.1888845e-14
 8.8183412e-11 9.7734728e-12 8.5794618e-12 1.1794879e-06 1.8672576e-08
 5.3929349e-13 6.7671271e-11 2.5431871e-07 1.9016888e-10 1.0951335e-09
 3.8605963e-12 1.5183267e-09 3.2838812e-10 1.4083580e-10 1.2754045e-10
 3.0451705e-12 1.0125904e-11 6.3411121e-09 4.8618132e-10 8.5788078e-12
 5.1690523e-09 3.0832345e-07 1.4705480e-11 5.9344216e-06 6.5501989e-04
 1.0812321e-12 1.5922230e-04 8.9676639e-09 6.4161600e-07 1.5895389e-06
 5.1024331e-09 1.6240709e-10 4.2426503e-11 6.9871811e-09 1.6131421e-10
 6.6580427e-08 2.0906292e-10 8.9178951e-12 1.1459578e-07 2.4062591e-13
 2.0619685e-11 1.7062641e-09 1.9260522e-09 5.9009408e-11 2.6728729e-11
 2.1509301e-09 7.3083470e-11 1.2000237e-09 3.8225775e-07 1.8224762e-08
 8.1180743e-11 8.3496239e-08 4.8212993e-11 3.0325675e-06 2.6758794e-06
 8.4514468e-06 9.9728143e-01 3.3032711e-06 1.5704910e-03 2.3885268e-05
 1.4013985e-11 4.6748827e-10 7.4912507e-12 4.1006690e-10 2.1379457e-11
 8.3774307e-11 2.8440988e-10 1.8979418e-10 1.2646492e-10 3.7498954e-10
 8.2428109e-09 9.1834859e-11 4.9945421e-09 9.9720492e-13 2.3649491e-09
 5.9114029e-12 3.3283626e-10 8.7224561e-11 4.3765838e-11 1.6675081e-07
 3.3323739e-12]


0.99728143


61


[9.53352753e-07 5.68521195e-08 1.33839895e-09 3.11424699e-08
 1.00682190e-12 7.78653357e-12 1.51904420e-10 1.26155101e-06
 9.95481386e-09 7.60792584e-09 8.30320535e-11 5.59068791e-09
 1.38849110e-08 4.81636564e-10 6.73206557e-07 5.86561022e-09
 3.95140880e-08 2.28886711e-05 2.50164394e-05 4.12231635e-08
 2.12879506e-10 3.63093733e-08 3.67819997e-10 1.57227076e-09
 1.77103865e-09 6.54705943e-08 1.52195540e-07 1.60936806e-10
 1.36302233e-05 9.98356640e-01 3.51067553e-09 1.47505659e-07
 3.25233418e-06 3.61554034e-04 1.83655648e-04 1.54962166e-07
 2.47353849e-09 6.24217078e-09 4.04712814e-08 2.80977531e-07
 2.73873191e-08 8.27456592e-09 1.37410550e-09 2.60429029e-08
 3.16289252e-11 3.73401476e-10 2.45278264e-09 2.56524473e-08
 8.16707757e-10 8.77345765e-12 3.63957682e-08 6.13503259e-12
 3.01200642e-09 8.47830695e-09 3.72873750e-08 1.24284555e-10
 5.09631809e-06 2.59858607e-10 1.84450999e-09 9.75370881e-07
 1.78685386e-05 3.85231215e-05 5.33764432e-05 9.08858376e-04
 1.64800156e-06 3.50510887e-09 4.64066147e-10 2.22441052e-10
 7.30997897e-07 3.75288245e-08 3.69197645e-10 2.79821393e-08
 7.31519789e-10 1.46830018e-07 8.43649595e-09 3.08800274e-08
 2.37435471e-09 1.59652060e-07 1.76225809e-12 1.33767974e-08
 1.34626654e-09 2.62256261e-09 1.15022114e-09 1.47588185e-06
 1.14594563e-07 9.55737659e-13]


0.99835664


29


[2.80575652e-08 6.94440814e-06 1.05340625e-07 8.00706312e-06
 1.22227667e-13 7.31257624e-11 1.18900584e-10 1.16067911e-09
 2.67561887e-07 3.46057192e-08 1.68241143e-10 7.37987165e-08
 4.90682908e-07 5.78709969e-10 8.60503860e-07 3.12834061e-08
 2.28882469e-09 4.04283185e-09 8.39011638e-11 7.11685544e-10
 2.60036798e-10 2.52064064e-11 9.88108173e-09 1.73091230e-08
 6.55705545e-10 6.69833300e-09 3.22039523e-06 2.07443524e-11
 1.15432260e-04 3.59067391e-03 2.57379590e-10 1.12137354e-06
 1.72231057e-06 4.24118298e-06 7.04065751e-05 4.11992795e-09
 3.26384653e-09 2.88461033e-10 3.60879717e-08 2.45390854e-08
 2.48947778e-08 9.59377910e-10 2.76618121e-11 7.63571606e-08
 4.30326131e-12 3.64357627e-10 4.93369301e-09 2.29411885e-08
 5.71232950e-10 2.08155451e-10 9.25810539e-09 2.84028807e-11
 5.52945867e-09 3.60930530e-09 5.45022090e-07 5.64351732e-10
 5.98312590e-06 3.04255149e-10 5.29117005e-06 1.31633997e-05
 6.83248581e-05 9.93407249e-01 1.79056107e-04 2.42247549e-03
 9.25733839e-05 8.38708103e-10 1.52171964e-09 2.69227279e-10
 2.02981116e-08 2.64979511e-10 4.19719939e-08 1.19258186e-08
 1.03924052e-08 1.55556620e-07 2.70983042e-10 2.58729841e-07
 8.42555004e-09 3.36831334e-07 2.24476254e-11 3.13191237e-07
 2.02925654e-09 3.38218804e-08 5.83280269e-09 1.65644991e-08
 2.11725002e-08 5.25029803e-12]


0.99340725


61


[6.3680920e-07 9.9998891e-01 9.7410187e-09 1.8626164e-09 7.4510961e-17
 5.2690794e-12 9.0806538e-12 1.3810810e-08 2.7952690e-10 4.3056889e-10
 8.0770555e-12 3.7804234e-08 3.4253940e-08 5.5025318e-11 9.8176633e-07
 4.5411237e-11 7.3023361e-14 1.4109855e-11 2.8390783e-09 1.0217247e-12
 6.4498504e-13 2.4119682e-13 1.3792809e-11 4.7670427e-11 1.2148963e-11
 2.9710245e-09 1.7691665e-09 1.9597206e-12 1.6301861e-10 9.6207643e-08
 3.5167683e-14 2.3742356e-12 1.7131233e-09 1.0366971e-11 3.0481281e-10
 1.4873520e-12 3.9528519e-12 1.1846527e-14 4.1715232e-13 1.3474216e-12
 1.1188394e-11 5.0407898e-13 4.5516267e-14 8.8389973e-10 1.5641309e-16
 2.3648564e-13 1.5348935e-12 3.7993022e-13 5.0477168e-13 1.9756654e-14
 4.7001843e-12 1.5270749e-14 2.8557594e-11 2.0955045e-11 4.3889887e-09
 1.6923906e-12 1.2237064e-10 5.5141563e-13 5.1499974e-08 5.9495591e-09
 1.1473397e-11 4.3791468e-09 5.3167909e-08 1.1838021e-07 7.9327078e-10
 2.1693342e-11 3.0999416e-13 6.7382748e-13 7.5144266e-12 3.2099226e-11
 8.4072117e-11 7.5225365e-10 7.9556139e-11 9.6105934e-10 2.3400626e-12
 5.6253147e-10 9.3421611e-11 3.2518387e-11 1.0433806e-14 1.3931101e-09
 1.3606854e-13 3.4806848e-11 1.1904357e-10 9.4848673e-10 9.0455378e-06
 5.3209567e-17]


0.9999889


1


[4.5292595e-10 1.3721095e-08 2.2594232e-08 6.0544189e-06 1.5665813e-14
 4.0485240e-11 5.9476460e-12 1.8965355e-11 3.0010546e-07 1.1124229e-09
 3.5323560e-12 5.0884678e-11 1.8003492e-08 4.5541185e-11 7.2191271e-09
 2.6180901e-11 1.9564179e-10 4.0493160e-09 3.8831727e-10 2.9452280e-10
 2.7631031e-11 9.0630940e-12 2.3000062e-10 1.7848113e-10 2.0003965e-10
 2.0068426e-11 1.5678796e-07 1.5201459e-12 1.9414830e-07 3.5198339e-06
 1.8576267e-11 6.0992100e-08 5.3943067e-10 2.5142921e-07 2.7511686e-07
 8.8049434e-10 1.3118939e-11 3.7734815e-11 2.8270858e-11 7.7822160e-10
 2.2189692e-09 4.5314093e-11 7.4800660e-12 2.1447302e-09 7.0672418e-14
 6.7459575e-12 2.9192274e-10 1.7557376e-09 1.6379442e-10 2.1214510e-12
 9.4416912e-11 1.2611644e-11 5.3059579e-10 1.0818477e-09 5.9654892e-10
 3.5925037e-11 8.5623249e-08 1.9357127e-11 9.3524395e-06 7.9066986e-06
 8.7934062e-08 3.1234213e-04 7.7909190e-06 9.9959642e-01 5.4828284e-05
 4.1885429e-11 7.5490537e-11 8.1180754e-13 4.2950274e-10 2.8408734e-12
 3.0669500e-09 1.7106480e-10 1.6989146e-08 1.9151894e-07 2.0807765e-11
 1.1770777e-08 2.0303756e-10 4.3446633e-09 4.6669452e-12 3.1035621e-10
 7.1687489e-11 5.3899718e-08 7.6919575e-11 4.2042003e-10 1.4865174e-10
 1.3856778e-12]


0.9995964


63


[2.59872053e-07 3.24483196e-08 3.19041495e-12 3.93550481e-09
 1.53396867e-13 5.81045715e-12 2.83799425e-11 1.55606212e-08
 1.54212803e-08 3.07687459e-10 1.70926232e-10 1.92969996e-08
 5.07329823e-09 4.49255660e-10 4.06053942e-07 2.61789729e-10
 1.48938784e-09 3.31255542e-05 4.11392284e-06 1.07603899e-08
 8.88838100e-11 1.15868319e-08 3.20982824e-10 9.75988268e-09
 5.15319414e-08 1.91646592e-08 1.70825951e-05 2.57076825e-12
 2.67718451e-06 1.50090971e-04 7.59651786e-11 9.31583213e-11
 4.71056190e-08 1.29154534e-11 4.45155251e-07 6.03939065e-10
 6.72882930e-12 1.24061317e-11 8.20436843e-11 4.05737266e-09
 2.46428659e-11 1.09539712e-11 8.27478624e-12 2.51150628e-10
 6.60311053e-13 1.06000174e-11 1.03237929e-09 1.62550792e-10
 1.11227798e-11 1.60658013e-13 7.39641348e-10 1.51468768e-12
 6.84567750e-11 5.14344914e-13 1.50189194e-08 1.49941379e-11
 2.78346688e-05 1.15884236e-08 4.74226144e-05 1.68951075e-07
 1.66721873e-06 3.05995709e-05 9.98971462e-01 2.38652410e-05
 6.88136497e-04 2.30623378e-08 9.62747451e-11 2.11078767e-12
 8.99965400e-08 1.07609799e-09 2.06553080e-10 7.99246749e-08
 1.17137078e-09 7.07909287e-09 1.78587167e-09 2.65442057e-10
 2.38721376e-09 5.80678794e-09 4.37610321e-12 1.34485700e-09
 2.77870001e-11 3.08435011e-09 4.18319442e-11 6.35487822e-08
 7.25190858e-08 3.39538366e-15]


0.99897146


62


[8.43095815e-09 9.96053448e-11 1.30354590e-11 3.41821482e-09
 4.10358055e-16 6.68895905e-15 1.17274490e-14 1.00929515e-10
 5.46958967e-09 1.79774096e-09 5.36057581e-13 1.18472938e-08
 2.54619104e-10 1.87240653e-12 3.87460863e-09 1.02557107e-09
 1.50826244e-11 3.57054084e-08 6.20244741e-12 8.46543252e-11
 1.10064692e-12 1.60263499e-13 7.65622912e-11 3.58711116e-10
 7.41939496e-12 4.72951192e-12 6.63565697e-06 5.46998258e-14
 2.24893615e-09 2.87309842e-04 1.34057221e-13 1.13644938e-09
 8.74468466e-12 2.16140350e-09 6.57700184e-06 4.03668939e-11
 1.00049266e-12 3.62029742e-13 2.36038966e-11 6.33193220e-10
 1.13872210e-11 5.25882608e-14 2.58761111e-13 5.78403037e-12
 3.61473216e-15 2.00286683e-14 1.35933539e-12 1.44920421e-11
 3.49317987e-13 1.73229662e-13 1.04051498e-11 7.60077815e-15
 3.97851847e-12 6.29143412e-14 1.12885630e-08 5.68730219e-12
 1.27983674e-06 3.05281217e-11 6.68387790e-09 9.85705206e-09
 1.80346433e-07 9.99674797e-01 2.89595391e-07 2.03969303e-05
 2.28859881e-06 2.87974484e-12 6.14045558e-14 2.53069236e-14
 1.33890643e-09 8.61444027e-14 6.97494319e-12 1.19103588e-10
 7.54336209e-13 4.44221604e-10 1.68639809e-12 1.13599256e-12
 9.32676072e-12 1.81263307e-08 1.81047499e-14 2.80232754e-10
 2.48861066e-12 2.85681791e-11 2.13207100e-12 3.42569972e-10
 6.19479623e-09 9.26602494e-17]


0.9996748


61


[2.85962081e-08 1.99050282e-06 4.24815294e-13 9.43878239e-11
 2.03862426e-13 9.61971041e-12 2.50705815e-13 4.56582328e-10
 2.47149821e-08 4.21249169e-08 4.35854242e-10 5.94757239e-08
 3.88748049e-07 3.24874919e-11 1.68806960e-08 6.97602566e-12
 8.64887114e-14 9.84198140e-11 7.12961266e-13 4.79006895e-12
 6.97514014e-14 7.81628366e-15 3.35484973e-11 1.58928440e-10
 7.06574599e-12 4.41765238e-08 3.84918394e-07 5.42810718e-12
 1.09793208e-09 2.40725922e-06 1.71825634e-13 2.99706961e-11
 1.31073650e-08 1.06099816e-10 3.79122428e-11 2.97900281e-11
 1.50654630e-12 1.06092367e-13 4.38849347e-12 8.72382167e-11
 1.69773449e-11 4.79150953e-13 6.74364427e-13 3.08329778e-10
 1.71966526e-14 6.74001816e-13 2.09618932e-12 8.70614691e-12
 8.41237778e-13 1.32247880e-12 9.60167709e-11 2.87145626e-14
 2.08315708e-11 1.37160834e-12 2.48614333e-06 1.30953581e-10
 3.22960304e-11 3.80893711e-12 1.16676356e-11 1.54600454e-12
 1.17724027e-12 3.99517863e-10 3.63019337e-10 4.41664934e-12
 2.38961216e-12 3.37619662e-13 1.12755657e-13 4.09709809e-13
 4.87795533e-11 1.03885531e-12 7.28102068e-15 1.51330337e-11
 5.09402416e-12 2.31485837e-13 4.52215000e-14 5.28448914e-14
 3.09347789e-13 1.06783885e-12 1.01676975e-17 5.77535849e-12
 3.37824963e-14 5.73544088e-13 9.42793681e-14 6.35443712e-11
 9.99992013e-01 4.79365475e-18]


0.999992


84


[1.07729703e-03 6.58946810e-03 8.62415902e-07 9.88112628e-01
 2.27651720e-09 3.48173501e-07 2.19784990e-08 1.49042503e-08
 2.46938498e-06 1.16977517e-05 3.32313232e-10 1.56500590e-08
 7.10578092e-07 5.50110002e-09 1.87197224e-06 4.66316097e-09
 8.56096776e-08 9.70287761e-09 4.69963624e-09 8.98873509e-09
 8.46697201e-09 6.73816114e-09 1.21945925e-06 6.61154260e-08
 5.30548405e-09 1.49068882e-07 7.29002059e-05 1.93411998e-09
 3.13184661e-04 2.10107397e-03 4.38929071e-09 4.84900340e-07
 3.59075875e-06 7.71644579e-07 7.40969483e-07 3.16712931e-06
 7.14329929e-09 4.14872758e-09 2.28560521e-06 3.42484547e-08
 1.31031338e-05 7.21967069e-07 3.39492656e-09 2.96492835e-05
 8.97195720e-11 5.67289149e-08 1.34063711e-07 2.62121649e-08
 1.99576782e-08 4.23825641e-10 1.30467157e-08 3.66507642e-08
 5.25164523e-07 1.05804927e-03 2.32317543e-04 5.72283682e-07
 3.59932635e-08 2.38632364e-10 7.64454740e-07 7.62417130e-06
 7.14113485e-05 1.48637700e-04 1.13000628e-04 9.80683808e-07
 2.39399797e-05 4.34485947e-10 3.70019904e-07 4.65867167e-09
 6.40419007e-09 4.83078022e-09 1.54071316e-08 4.29179359e-09
 8.47535819e-09 6.92784639e-08 1.48240185e-08 2.45232911e-07
 1.96093552e-07 3.21814291e-08 2.50758053e-10 9.47559808e-09
 4.01533501e-10 1.41329526e-09 9.28933375e-08 8.11547363e-09
 8.36820533e-08 1.58183917e-11]


0.9881126


3


[7.87529643e-07 2.97102474e-07 1.17756960e-09 1.37190696e-07
 5.70356151e-10 1.02478642e-11 4.40714999e-11 1.64289293e-09
 3.59952679e-07 7.22918392e-11 4.05328813e-14 4.64888239e-10
 2.04770121e-08 1.29719749e-10 6.12212547e-09 1.03722781e-08
 2.77122149e-06 1.77635098e-08 2.18257892e-08 8.39380121e-09
 4.36813963e-09 6.86827040e-10 2.36298647e-10 4.72517581e-09
 7.09061920e-10 7.35696448e-10 3.35444490e-08 9.60246882e-10
 9.81121659e-01 1.12899649e-03 1.36778050e-03 1.61851570e-03
 1.35029582e-02 6.06124930e-04 6.42858678e-04 2.43692568e-07
 4.11932959e-08 1.33950414e-06 9.37294999e-07 3.75413350e-07
 2.74210976e-07 1.36611945e-07 1.84317017e-09 9.95841333e-07
 1.42208467e-09 1.18275443e-06 5.09807734e-08 6.44840725e-07
 2.97085858e-08 1.32259525e-11 5.27992015e-08 2.69172271e-13
 6.69873623e-09 1.42805971e-08 2.04133315e-08 1.09555013e-11
 9.91893412e-09 2.12187115e-10 4.79296292e-09 3.74702269e-09
 1.08991657e-07 1.00390485e-09 1.40166785e-08 7.00643016e-11
 8.64856275e-09 9.78816529e-13 4.21327417e-10 2.57982496e-10
 1.55118959e-10 5.82900661e-09 3.93506383e-09 4.37690245e-10
 1.20844001e-08 3.95027833e-08 1.84089605e-10 3.50595286e-08
 1.41546614e-08 1.35478251e-09 3.46814829e-12 1.99565147e-08
 3.94167719e-11 1.19935073e-09 3.41559788e-12 1.96216421e-09
 5.89444449e-09 3.67926488e-11]


0.98112166


28


[2.2643874e-06 1.0222905e-06 2.2424062e-07 9.5655352e-01 3.0550287e-05
 4.2958799e-08 3.9822021e-09 1.4788606e-10 1.1767726e-06 1.3411752e-08
 9.4387165e-10 1.1602824e-09 1.5726942e-09 2.3363309e-10 7.3071664e-05
 8.6332754e-08 2.2945667e-06 3.7045109e-07 7.4323010e-09 1.1706816e-07
 2.1821272e-07 4.4793174e-09 4.3054413e-02 6.5184658e-08 3.6035345e-08
 3.7049485e-11 1.2005334e-07 4.3329390e-10 2.0218683e-06 4.0960290e-07
 2.2132185e-09 2.2039039e-06 1.9607423e-06 3.9505986e-07 1.4630583e-06
 1.9144207e-05 6.3041634e-09 1.9840602e-09 3.5387956e-07 7.3619546e-09
 1.2462845e-08 1.4477470e-07 3.6409423e-10 3.5035998e-07 3.5950696e-12
 8.2449505e-09 3.4567627e-09 1.8994102e-09 8.5167995e-10 2.9208830e-11
 8.9082199e-09 5.8696346e-11 5.6979235e-09 4.2082985e-07 3.3715985e-08
 3.5616659e-09 1.7268730e-11 2.3856221e-13 1.1516803e-07 1.3110601e-07
 1.5504139e-06 1.1550722e-04 2.4068211e-08 1.6599884e-08 9.3162797e-08
 3.7297217e-11 1.6912605e-08 1.9634966e-10 4.6317497e-10 1.6174759e-08
 1.3377379e-04 1.2597551e-10 2.2064464e-08 2.0356689e-08 2.7489107e-09
 5.7409292e-08 3.2382097e-10 2.0663499e-08 3.6254486e-09 3.5375547e-10
 2.4125903e-11 7.2658496e-10 3.3962131e-09 2.7822713e-11 3.7376072e-10
 1.0290808e-10]


0.9565535


22


[1.0468212e-06 2.9962384e-06 1.1733181e-10 9.9981803e-01 1.3782375e-06
 1.9873132e-08 3.7459214e-09 4.9779703e-10 7.4675654e-07 8.9038582e-07
 3.3287757e-09 4.9942849e-12 1.2612696e-09 5.5443738e-10 4.6896686e-05
 4.4522855e-10 5.9624490e-08 8.3272828e-10 1.3176334e-09 1.5944050e-07
 6.7719603e-09 3.1338725e-09 1.9305904e-05 2.1653044e-08 4.3303462e-08
 9.6860520e-10 3.2477448e-07 1.5412204e-11 1.9544254e-06 1.3573583e-07
 8.0795110e-12 9.9918386e-11 7.7979912e-08 7.1498979e-10 5.9822103e-09
 3.1799809e-05 1.0222805e-09 3.4728262e-09 5.3687535e-07 1.3446930e-09
 3.2877061e-08 1.3734842e-09 6.2714132e-11 1.0949713e-07 7.5869833e-13
 2.2036848e-09 6.0643596e-10 1.9586377e-09 1.6569845e-09 2.6982170e-11
 2.0998640e-10 1.5617689e-11 3.7655559e-09 3.2445743e-07 2.5161378e-07
 2.0959728e-08 5.5609957e-12 8.0820267e-15 2.4246836e-08 6.6740860e-08
 6.8880705e-05 1.5276795e-06 6.4972886e-07 7.9346279e-08 1.4419147e-07
 3.5281794e-10 1.1428305e-07 4.8557110e-11 3.2820641e-10 7.0421374e-10
 1.2825091e-06 1.0885128e-09 2.1845390e-09 1.6126293e-08 1.8803368e-09
 4.7283026e-09 2.7190850e-10 3.8763610e-09 4.7678421e-09 1.5405443e-11
 6.1590312e-12 1.9667161e-09 1.2022616e-09 2.5687751e-11 4.7661053e-09
 2.3476509e-12]


0.999818


3


[1.89567913e-06 1.05956078e-05 4.27542890e-09 4.30264277e-04
 2.40350823e-10 6.47876552e-09 4.20388124e-09 3.89597909e-09
 2.72041189e-06 1.26311434e-07 1.58274241e-10 3.44109408e-10
 3.24945154e-06 9.90845184e-09 1.91819504e-06 9.81217951e-09
 1.17052060e-07 4.79306891e-07 4.94408781e-08 1.31281496e-07
 1.22655397e-08 2.51735632e-10 8.84502924e-08 8.25233997e-08
 3.86184489e-08 4.57109239e-09 1.06502848e-05 2.38152220e-10
 9.20781982e-04 2.13597858e-04 4.58635796e-09 3.68949244e-08
 6.28595171e-06 2.75481125e-06 2.53291131e-04 3.86973661e-05
 2.33947421e-08 2.28627144e-07 2.18785158e-06 1.21535678e-07
 5.88898388e-07 1.70184293e-08 1.43000465e-08 1.40100781e-06
 7.46531725e-11 4.05354239e-09 1.46724553e-08 1.54601281e-07
 5.48150370e-09 1.12705245e-09 4.08916456e-08 1.22586996e-10
 2.19610268e-08 3.59087026e-05 3.00461039e-07 3.08646645e-06
 3.48416324e-05 1.39281875e-08 1.36330011e-04 5.00655062e-07
 9.79705274e-01 2.50751874e-03 1.39834108e-02 8.47100804e-04
 8.40359950e-04 6.93367639e-08 2.30894074e-07 2.94651442e-10
 2.53244234e-08 1.87164084e-09 8.67629637e-07 1.35119755e-08
 9.83389459e-09 7.03508306e-07 7.92259680e-09 5.40034399e-08
 1.99665120e-08 2.63321425e-07 1.41296725e-08 8.42611203e-10
 8.42630943e-09 3.74249325e-08 5.75216745e-08 5.06236617e-08
 1.44474399e-07 2.82371992e-09]


0.9797053


60


[1.32756782e-06 2.98156056e-06 1.92525573e-09 2.50289504e-05
 2.71192761e-07 4.01178326e-08 1.62165836e-08 5.12415463e-05
 5.88712624e-07 1.82737026e-08 7.20453963e-09 1.47066244e-08
 1.11922031e-06 3.80495102e-08 3.50422604e-04 6.30136512e-08
 5.92042042e-08 8.30336008e-03 2.00886116e-03 3.45168046e-05
 1.17612284e-08 1.86918513e-07 8.11501195e-07 9.14391265e-08
 1.27736577e-08 8.30223268e-09 1.23619502e-05 6.16773121e-09
 3.17735150e-02 9.02387738e-01 1.18135679e-08 4.48390352e-07
 1.10601595e-05 1.52132668e-06 3.85344145e-04 2.23028583e-05
 3.92543349e-08 2.63644353e-07 2.87619832e-06 5.92295100e-06
 4.95346399e-07 1.91238399e-07 2.56250203e-08 5.15613237e-06
 2.03616963e-08 7.37339718e-08 2.23863040e-07 2.95851692e-07
 5.56390560e-08 2.24764296e-09 3.52833183e-07 2.47707774e-11
 1.92326098e-07 1.51455044e-08 2.59298133e-07 3.81854846e-07
 1.67918352e-05 2.03262314e-08 1.07182434e-03 2.57644774e-06
 5.18974848e-03 1.09931687e-02 3.67269181e-02 1.27525796e-04
 4.63278353e-04 4.30263647e-08 4.05163725e-09 3.01753311e-09
 3.13867503e-07 1.51586530e-08 1.65166014e-08 4.58484379e-08
 1.99462828e-08 1.47573587e-06 3.08533203e-07 2.36767690e-08
 5.63341196e-08 4.07051061e-07 6.75336409e-09 1.08307518e-07
 2.81895112e-08 1.92380316e-08 1.84276381e-08 1.19231599e-05
 9.44535714e-07 9.54603436e-08]


0.90238774


60


[1.00988955e-05 1.64959274e-05 1.11901488e-09 1.60355325e-04
 3.85396142e-08 2.30620708e-06 1.67252612e-08 3.37107631e-05
 5.46757383e-06 5.54341227e-07 4.08509804e-09 4.28586611e-10
 2.39736401e-05 5.48149259e-08 1.33307156e-04 6.66989422e-07
 8.94963836e-09 3.10375704e-04 2.57880420e-05 2.77857680e-06
 1.04003535e-08 4.58770408e-08 1.44339128e-06 6.85956110e-08
 1.30867392e-07 3.01525631e-08 2.13185602e-04 6.62166899e-09
 5.28100543e-02 4.56160540e-03 1.49752144e-09 2.34944331e-09
 6.64215804e-06 7.14768289e-09 5.66096014e-06 9.66784137e-06
 9.83201165e-09 5.35761906e-08 3.64117682e-07 4.66025227e-08
 1.32666599e-07 8.79879991e-08 5.46286145e-08 4.16145076e-06
 6.50176135e-09 1.30410100e-08 4.80747246e-07 2.94362394e-07
 1.08875348e-07 7.18116278e-09 3.94526509e-08 3.54016538e-11
 1.10130441e-06 5.59861029e-08 2.99333010e-06 6.68013945e-06
 2.14415690e-04 1.82586029e-06 1.28974646e-01 3.14986188e-04
 3.49705704e-02 1.21673138e-03 7.52456129e-01 3.36149649e-04
 2.31071953e-02 1.96929420e-07 5.24580514e-07 3.69003672e-09
 3.11750654e-07 9.57710622e-09 4.01795575e-08 8.47623369e-07
 5.10689915e-07 6.63121739e-07 3.65486670e-07 5.31497300e-08
 8.02948108e-08 4.95341510e-06 5.17430692e-07 2.41532547e-07
 1.33579420e-07 3.21846130e-07 1.02580827e-06 4.48826759e-05
 4.24261543e-07 4.95950481e-09]


0.7524561


62


[1.02722674e-06 9.99803364e-01 4.19784034e-11 7.48853992e-08
 1.44321472e-14 9.17246001e-11 6.13727333e-11 6.41721385e-07
 6.89769006e-11 6.75628609e-10 5.67130381e-13 1.21079008e-10
 4.46862515e-07 3.25130851e-12 1.18244515e-07 7.80838866e-11
 1.09191271e-14 5.17014313e-11 1.09743117e-10 1.74247216e-12
 3.71650979e-13 2.53897533e-15 3.85815511e-11 4.35363442e-13
 7.39023513e-12 1.02672024e-10 5.91580118e-09 4.62588214e-12
 2.59086710e-06 3.60006858e-10 2.67973816e-12 1.58344231e-13
 1.52510726e-09 1.19081245e-13 3.96775529e-11 2.28914596e-10
 2.20298541e-12 4.93684466e-13 3.69973496e-12 1.51229208e-13
 1.25245448e-11 2.42536481e-12 9.85712976e-14 1.26173960e-09
 2.34573323e-15 5.86288234e-13 5.70737728e-12 5.80891834e-13
 3.77921490e-13 2.12914579e-13 3.95923881e-13 9.98427889e-15
 1.03177866e-11 4.49478038e-10 8.09361111e-09 1.64695635e-09
 1.23201782e-09 7.84851295e-10 1.84633158e-04 2.64850712e-07
 7.70532509e-08 6.19074969e-09 6.28438829e-06 1.53727786e-08
 1.96696305e-07 4.23569825e-11 1.74042616e-12 1.67130459e-12
 1.25794991e-13 1.59600388e-10 5.70760161e-10 6.42781899e-08
 9.54634913e-11 5.54600532e-10 3.31481500e-12 1.83025428e-09
 2.01085837e-09 1.04400925e-10 3.30593571e-13 1.84262250e-09
 8.41782460e-12 4.74831285e-10 1.24839883e-09 9.05884789e-09
 1.46613473e-07 1.36507591e-12]


0.99980336


1


[1.3827189e-07 4.0189980e-06 1.2243066e-10 3.7183785e-05 7.6928628e-12
 6.7938855e-09 5.7848948e-10 5.2862072e-07 2.8150587e-06 1.9106148e-08
 3.0710894e-12 1.4367308e-11 2.3609138e-05 5.5362520e-11 9.2737990e-10
 7.7955371e-11 2.8268818e-10 1.2044259e-08 2.9426422e-08 2.9700506e-09
 6.6199879e-11 4.7577602e-11 6.3811056e-10 6.9343933e-11 3.9459491e-10
 1.8170868e-09 1.2515536e-04 3.9610756e-10 6.3845927e-01 3.1034322e-06
 1.9216236e-07 6.8394308e-09 4.1868357e-06 1.0537865e-07 3.3029991e-07
 8.0202386e-07 2.7693050e-09 7.3008808e-09 3.1764188e-08 1.3400274e-09
 3.4336633e-08 6.7146448e-09 9.7637287e-10 5.7844574e-07 3.3318723e-10
 5.7474168e-09 8.9954764e-09 4.7704685e-09 2.6520377e-09 6.8535572e-10
 1.0143406e-08 7.7139762e-12 1.0430971e-09 9.7077148e-08 4.3690864e-09
 2.8605728e-08 2.4328601e-05 8.7259732e-06 1.3904389e-02 2.8865206e-05
 6.5480582e-03 1.6933931e-05 3.1116819e-01 4.1102647e-04 2.9222848e-02
 2.9753464e-09 7.0550437e-09 1.6015797e-10 2.3518663e-09 1.7893036e-10
 8.7320912e-10 6.0808367e-07 2.3040084e-08 6.4252013e-08 8.7330614e-09
 8.4147814e-08 7.4866037e-08 1.1114946e-08 4.6775900e-10 3.3562024e-08
 2.6054208e-08 8.7774524e-08 1.7233159e-09 1.9069649e-06 5.9033429e-08
 1.4125566e-06]


0.63845927


28


[5.70084558e-06 8.45720660e-06 1.77400867e-08 1.11014640e-04
 1.58032076e-08 3.72018093e-07 1.82018141e-07 7.04570703e-05
 7.05677894e-06 3.38789164e-06 3.20129562e-10 1.32418364e-07
 1.93953656e-05 9.01231711e-09 3.35862046e-06 1.23702989e-07
 2.43529115e-07 1.52190914e-04 1.60514159e-04 8.68154257e-06
 5.12989722e-08 1.69244899e-07 9.48545733e-07 1.31767464e-07
 2.24035219e-07 1.41123992e-08 2.80659937e-04 4.76444768e-08
 6.11745752e-02 8.36098660e-03 1.06353320e-06 9.21057449e-07
 1.03446530e-06 5.09366742e-04 1.32524932e-04 6.17748155e-05
 1.26461362e-06 1.09686489e-05 2.47749563e-06 1.19702543e-06
 2.84914840e-05 1.09653854e-07 2.74319405e-07 3.74456840e-06
 1.82562459e-07 3.13034718e-07 1.36169433e-06 5.10880909e-07
 1.36267124e-06 1.58000361e-07 1.66801533e-06 1.07049380e-09
 4.37293494e-07 4.45249043e-07 1.19088810e-08 5.47005129e-06
 8.68831819e-04 8.64733738e-05 1.79277528e-02 3.24164197e-04
 8.67296696e-01 2.53152708e-03 1.40364980e-02 1.89192872e-02
 6.68674801e-03 2.50306357e-06 3.63351101e-05 4.63356571e-08
 1.33346020e-05 1.25783885e-07 1.70009002e-06 6.06775438e-06
 1.30867534e-07 2.30786754e-05 1.24841631e-06 7.43877592e-07
 8.01702868e-07 2.33588235e-05 2.29846847e-07 8.02628222e-08
 1.42092154e-06 1.53644112e-06 8.01916997e-07 6.83869584e-05
 1.46154821e-06 2.24900600e-06]


0.8672967


60


[6.6087260e-08 1.3391909e-07 1.5772761e-12 4.8516142e-07 3.2836892e-13
 2.7619534e-10 5.2572313e-12 2.0843102e-07 1.6558762e-06 3.4939962e-09
 1.3526765e-12 3.2892467e-11 1.2247583e-07 1.2045288e-11 9.8466302e-09
 5.7375632e-10 6.9846844e-11 7.8737523e-09 5.7897254e-10 7.5355860e-10
 1.2350494e-11 3.1839011e-12 1.7605817e-09 8.4839157e-11 2.8035116e-10
 5.6366101e-10 8.3695697e-05 6.7731688e-12 3.7185850e-03 1.3908595e-05
 1.2124962e-09 2.3396890e-10 6.6054248e-08 1.0918655e-09 1.9884483e-08
 2.3216209e-08 4.3967156e-11 1.6687876e-09 8.4110958e-09 1.0704815e-09
 6.1863087e-10 5.8175069e-11 4.0790756e-11 1.3911956e-08 2.9895496e-12
 8.2039528e-11 5.4714278e-10 4.2611195e-10 8.7164713e-11 5.7281891e-11
 8.9395347e-10 7.3969651e-15 3.0801592e-10 2.6232677e-10 2.5810786e-08
 6.6769008e-09 2.1864998e-05 1.8089969e-07 2.4507486e-04 2.9654015e-07
 2.4147879e-03 1.4995648e-04 9.9278378e-01 3.5335872e-04 2.1052336e-04
 2.8647226e-10 2.4668151e-10 2.0918071e-13 1.1020338e-09 1.3198608e-12
 2.5492483e-11 1.4132277e-08 5.2234528e-10 3.4768979e-09 1.6933609e-09
 1.1320823e-09 8.2576825e-09 3.4572178e-09 9.2120145e-11 1.3705410e-09
 2.0262743e-09 2.4359064e-09 1.7223477e-10 8.4865383e-07 1.2797992e-07
 4.9899963e-11]


0.9927838


62


[3.08417128e-07 3.27668658e-07 1.23570196e-10 2.71478147e-08
 8.51407313e-12 4.23191215e-09 1.24268859e-10 8.14882328e-10
 1.42894978e-05 5.22351478e-08 1.49204524e-07 1.40893661e-08
 4.75621637e-05 7.88009449e-11 1.79088886e-06 3.42362944e-10
 1.41601991e-11 2.83845374e-08 2.75366308e-09 6.21327767e-10
 1.40633026e-11 3.30727064e-13 5.93156173e-08 3.64204600e-09
 8.35485237e-10 3.27252181e-08 1.89990271e-06 1.09141876e-10
 4.52860895e-08 1.21058621e-10 3.52670428e-11 1.88368765e-11
 1.95531924e-09 2.09005330e-11 8.82678132e-12 1.75128989e-09
 6.86408439e-12 1.88898029e-11 3.99911021e-10 2.41874906e-11
 6.92934668e-11 2.82465596e-11 4.91578930e-11 1.84145144e-09
 5.80109555e-14 2.67105652e-12 3.37608240e-11 2.49264567e-11
 2.15044302e-11 1.78002182e-10 4.14374368e-11 2.73011221e-14
 3.05867165e-10 3.55376978e-10 1.18227820e-06 1.08640251e-07
 3.26119903e-07 4.11394261e-08 1.08583959e-06 1.17720624e-08
 1.69095949e-06 6.79097738e-08 2.65948547e-05 1.83206794e-07
 3.21332834e-07 7.69570629e-10 5.51719573e-11 5.20948193e-13
 5.68818430e-11 2.99050867e-10 1.29632180e-10 3.49322278e-08
 9.25404919e-10 5.14033642e-11 9.36454359e-10 2.46722625e-11
 4.38050707e-11 8.96999919e-10 1.84652727e-12 5.85465981e-11
 3.42760209e-10 1.16135335e-09 3.17991494e-10 7.60636776e-10
 9.99901891e-01 3.83406917e-11]


0.9999019


84


[8.21532594e-05 2.91105735e-05 1.66147167e-08 9.63479102e-01
 1.12686727e-09 7.66359989e-08 4.19301349e-09 9.70672609e-09
 1.98615407e-06 3.17815072e-08 6.13729970e-11 1.31449879e-10
 3.30472432e-07 6.50158816e-10 2.98156588e-09 2.54374646e-11
 2.09389732e-08 1.26937589e-08 5.04638609e-10 5.11248066e-09
 1.55244373e-09 3.31931843e-10 3.11545136e-07 2.13744777e-09
 8.78231887e-09 1.14296412e-08 5.91527460e-05 6.15798967e-09
 3.28241236e-04 2.61031602e-07 1.32496603e-09 1.29453625e-07
 7.32405970e-05 6.25172675e-07 5.57168562e-07 7.60900718e-07
 1.39392076e-09 3.70607811e-09 2.96078525e-07 1.17807541e-10
 9.52065989e-07 1.34283695e-08 3.11436699e-09 1.24429937e-06
 5.85599555e-11 4.70650861e-08 1.07005587e-08 5.16222123e-08
 1.01944264e-09 8.83423959e-11 2.69235700e-09 3.05000203e-09
 4.30180158e-08 2.53283924e-05 8.00903877e-07 2.31597741e-09
 9.40062876e-07 4.84806435e-07 3.08879215e-04 6.49256708e-06
 4.82727337e-04 6.94911578e-05 3.45945321e-02 5.16818436e-05
 3.96167219e-04 1.68608116e-09 2.39120777e-06 5.49509827e-10
 2.58265453e-09 1.18901173e-08 1.16877786e-07 3.39776318e-09
 2.00405630e-08 2.27571064e-08 1.22183067e-07 1.85803728e-07
 1.85615896e-08 4.57515199e-07 1.67886167e-08 4.08697076e-09
 7.19139521e-08 5.12260068e-10 5.02360180e-08 2.55950794e-09
 4.94085270e-08 2.34989379e-08]


0.9634791


3


[1.01028013e-06 9.13052531e-07 3.81800591e-09 1.43593309e-06
 2.96892644e-09 9.73128609e-12 1.85940180e-10 1.45777065e-07
 1.34960089e-06 2.07234629e-11 2.06138258e-15 2.49479798e-10
 7.71484565e-08 2.40137910e-11 4.71719608e-10 5.62043345e-09
 7.71472151e-06 2.84939627e-08 8.43775751e-08 1.24376474e-08
 1.76643855e-08 2.42709453e-09 5.50697798e-08 2.76388494e-08
 1.19139854e-09 1.05950226e-09 6.29953604e-07 3.03590582e-07
 1.08882427e-01 3.16063245e-03 4.28317988e-04 6.81337297e-01
 1.98395282e-01 5.43386117e-03 2.30404851e-03 1.20749576e-06
 2.64983697e-08 2.57229003e-05 4.59855698e-07 4.49026260e-07
 8.43189446e-06 4.87565387e-07 1.76630710e-08 2.46578594e-07
 3.19039173e-09 1.25142844e-06 1.97506367e-08 6.69452390e-07
 2.05266399e-08 2.50107157e-11 4.07493104e-07 8.52145351e-12
 6.17046396e-08 7.04202776e-08 1.52711355e-08 4.04792345e-12
 5.38816096e-07 3.25034466e-06 1.12249175e-07 3.05816883e-08
 7.41454897e-08 2.28550068e-08 4.65144552e-07 7.43832773e-09
 1.42500998e-08 1.26103170e-10 8.64846139e-10 7.62240202e-11
 3.84686068e-11 3.51746610e-09 1.18379280e-08 2.00335950e-12
 2.04274784e-08 2.23113972e-08 1.48230939e-09 4.35793623e-10
 5.88400262e-08 5.72224579e-08 3.47593091e-12 5.92616844e-09
 6.25620736e-11 8.88603580e-10 4.12716926e-13 1.38840415e-08
 2.55989718e-09 5.55101387e-09]


0.6813373


28


[6.45182219e-09 1.88468086e-09 7.97316602e-10 6.80626743e-03
 1.44713930e-09 4.32812293e-12 2.71330836e-13 2.32242312e-13
 1.03701986e-11 1.11630887e-12 1.09633906e-12 7.43866774e-11
 8.00100958e-11 4.03821697e-13 9.67160219e-08 4.04011075e-10
 2.51970611e-10 1.18525278e-09 1.11161069e-09 7.26166835e-11
 1.77511866e-10 2.54045646e-10 9.93045986e-01 1.40237477e-09
 1.75152212e-10 1.34634701e-14 1.27208311e-09 4.22281741e-12
 8.11217066e-11 2.54030630e-10 2.33854521e-13 4.90854957e-09
 8.14971701e-11 7.29418193e-10 2.60725275e-10 6.86783408e-10
 6.09970679e-13 4.38453852e-13 1.67828685e-11 3.51002322e-13
 1.28322335e-11 8.60599005e-12 1.06052618e-13 1.41734601e-11
 4.93575786e-16 1.39156996e-13 1.56583670e-11 1.13442367e-10
 5.07971594e-13 3.02324164e-15 6.27651707e-12 2.49781532e-13
 6.03487260e-11 7.97700621e-12 1.98453580e-12 4.28543614e-14
 9.94138582e-14 2.58109029e-12 8.22359780e-09 5.01355790e-10
 3.67689143e-11 1.07770320e-05 5.06905795e-10 6.53126175e-09
 5.57827699e-12 1.20720816e-13 3.62792504e-11 3.22580944e-14
 1.06946190e-13 8.54294760e-11 1.36820818e-04 3.23024376e-13
 5.58331202e-12 4.99972503e-12 2.97084683e-11 1.46001596e-11
 1.06197345e-13 3.17731709e-11 2.70841977e-11 2.23480024e-12
 4.23969860e-13 6.44467943e-12 2.64487217e-11 1.08790565e-14
 5.44950326e-12 2.00844688e-11]


0.993046


22


[2.7302624e-08 6.2269510e-09 1.9709227e-13 9.9999964e-01 7.3976561e-11
 3.3331468e-10 1.1179015e-12 4.4545765e-12 2.5932581e-11 6.3600028e-11
 1.5221123e-11 9.8098337e-16 2.7026218e-11 6.8518796e-13 2.3117965e-07
 2.9801353e-14 7.0665405e-12 9.7315827e-12 1.0597679e-11 6.6505454e-11
 1.4426250e-11 3.2716405e-10 2.5069019e-08 4.7857582e-12 9.7639383e-11
 1.1497754e-10 6.8636965e-08 2.4339515e-12 1.3245747e-11 9.4135541e-12
 2.5639364e-14 2.0350773e-13 3.1373813e-11 8.5682730e-13 1.2829455e-11
 5.2324516e-08 1.9166999e-13 9.4045709e-14 2.4210789e-09 9.0834966e-14
 1.2981557e-10 2.3474595e-12 1.9352057e-14 4.7743759e-10 3.3591889e-16
 4.4766258e-13 2.4407202e-12 5.0451004e-11 1.6683869e-12 1.0219899e-14
 2.6825884e-14 3.4709085e-12 1.2838568e-10 1.7000630e-09 4.5848434e-08
 2.1316922e-14 5.0160627e-12 6.3587678e-14 1.9132631e-09 4.0472736e-09
 1.7441462e-10 7.1578596e-09 5.2891314e-09 7.4405406e-09 2.1332680e-09
 2.0878221e-12 1.0170754e-11 7.6812647e-14 7.1156194e-13 5.2910882e-13
 5.7919219e-10 1.1138682e-12 2.8570513e-13 4.8474549e-13 9.8452626e-12
 2.6710782e-12 9.3336536e-12 7.2472805e-12 1.2219760e-12 4.5324457e-13
 2.2993906e-13 5.1562834e-12 1.8011483e-11 7.7364059e-13 2.9387031e-11
 3.0656447e-15]


0.99999964


3


[4.58958675e-06 1.56547740e-05 3.38584378e-08 3.18551000e-04
 1.00096327e-10 8.36997582e-09 1.30810820e-08 2.20078236e-05
 1.11583522e-05 5.01792599e-08 5.55895274e-10 1.15861176e-09
 2.88334763e-06 5.66086023e-09 2.42559190e-06 9.88829196e-09
 1.60893990e-07 3.05818560e-07 1.60458899e-06 3.35921470e-07
 1.01984057e-08 2.77326624e-08 4.86717363e-06 6.14100429e-07
 2.65046310e-07 1.15410693e-07 3.69630335e-03 2.00907002e-09
 3.36676130e-05 4.03094664e-03 2.22243424e-09 1.08109043e-06
 1.11824841e-06 1.04075021e-07 2.74890845e-05 4.42698911e-05
 4.38056880e-09 1.09427788e-07 7.62373418e-07 1.16393558e-07
 2.56849290e-07 9.37111722e-08 1.29206947e-08 2.10394910e-06
 4.91362451e-10 3.56667962e-09 6.63511770e-08 1.05842241e-06
 9.39826208e-08 7.05451642e-10 4.26232312e-08 5.95695404e-09
 7.86983065e-08 1.05256058e-05 5.58643478e-06 9.70644010e-08
 1.38688122e-03 1.66551108e-05 4.17028926e-03 8.18182342e-03
 6.13969564e-03 1.16779216e-01 6.64165020e-01 8.14614519e-02
 1.09446131e-01 4.61231089e-08 2.38814948e-07 1.51145485e-09
 1.38168389e-06 3.89185999e-08 1.58528934e-07 3.52092371e-07
 2.24093437e-08 1.40804184e-06 4.98312254e-08 4.28538449e-08
 1.98198313e-06 3.58153284e-06 3.18168691e-09 7.03524208e-08
 2.17051781e-08 3.47106067e-07 1.07111170e-07 1.23418943e-06
 5.21555918e-08 2.64681930e-08]


0.664165


63


[1.43857542e-04 6.29518909e-05 9.77771379e-07 5.26652798e-07
 1.25947537e-08 4.55513849e-08 1.84845007e-07 9.45991051e-05
 3.56138958e-06 1.56616281e-07 1.57671920e-07 1.18739990e-06
 3.97191479e-06 5.05726973e-07 5.76942135e-03 6.61213505e-07
 5.98953056e-06 1.78251386e-01 1.92777708e-01 1.33729962e-04
 5.77230196e-07 1.19990575e-04 1.54539634e-06 4.56676526e-06
 5.42556791e-06 7.52759547e-07 5.10421705e-05 1.09439524e-08
 2.84206413e-04 4.35401540e-04 1.43544447e-08 2.49275217e-07
 1.79848758e-08 1.04077702e-09 7.83878295e-06 2.47331468e-06
 1.63295439e-07 2.66543623e-07 4.49596172e-07 5.65734240e-07
 5.36901545e-08 5.09253972e-08 6.18480556e-08 7.85409668e-07
 3.56017837e-09 2.89612938e-08 1.06941329e-07 1.10548974e-07
 1.09190843e-07 3.35881056e-09 7.53799512e-08 2.36376407e-09
 5.07934708e-08 9.32068787e-08 4.84072075e-07 3.50937171e-07
 1.52878975e-02 3.20571348e-06 5.43413684e-02 3.91190453e-03
 1.07400083e-04 1.19663151e-02 1.71303630e-01 3.14438040e-03
 3.61732721e-01 1.86524198e-06 3.19271180e-07 6.03868555e-09
 1.08670440e-06 2.42373062e-06 7.39994505e-07 4.16554121e-06
 9.01156113e-07 2.03352533e-06 2.38455613e-07 1.84262183e-06
 5.94159337e-06 5.12588258e-06 4.71475481e-08 4.35138560e-07
 8.35486773e-08 1.79864196e-06 6.60956289e-07 1.45501724e-06
 4.11254291e-07 5.39185940e-08]


0.36173272


64


[8.83605878e-07 1.25025849e-06 1.25636959e-10 2.77423678e-05
 8.08816816e-12 2.60711452e-08 2.09692833e-10 1.33441930e-07
 8.90495301e-07 4.63606620e-09 2.82465440e-10 1.61045927e-10
 2.67732805e-08 8.50707726e-10 2.44748844e-06 2.48876897e-09
 2.87256019e-09 6.85891937e-05 5.16334076e-05 9.99454954e-08
 7.53705809e-09 6.54396715e-08 2.04186392e-08 1.29297577e-08
 1.80840928e-07 8.82461304e-09 6.17141450e-06 6.75225154e-11
 2.92118102e-06 3.06961156e-05 1.60828503e-11 6.59009869e-12
 8.46193160e-09 1.41638064e-11 5.29173683e-09 3.25171889e-08
 3.30616229e-10 1.06485110e-09 3.15497450e-09 4.50174814e-10
 6.67013111e-09 5.00811372e-11 1.04233278e-09 5.49279733e-08
 1.28983569e-11 1.24296712e-10 5.14804910e-09 2.29016095e-09
 8.04356137e-10 3.44497174e-11 4.72847594e-10 1.49166512e-11
 1.87889455e-08 3.89360572e-10 1.90466825e-08 4.97016917e-09
 3.90545325e-03 6.58161127e-07 3.06931301e-03 8.73429090e-05
 9.23483913e-06 3.75930063e-06 9.00005639e-01 8.92853141e-02
 3.43838707e-03 2.59826827e-08 1.87165625e-07 1.04020655e-11
 2.46624765e-09 5.52526025e-10 2.17064228e-10 3.38823156e-08
 2.49364547e-08 7.30762295e-08 6.34301500e-09 6.16458173e-09
 2.28257857e-08 5.41652767e-08 1.03180415e-08 4.91785235e-09
 4.64878747e-10 1.27390400e-08 7.87740451e-09 3.85540915e-07
 6.58278410e-09 3.34912762e-12]


0.90000564


62


[2.79889662e-07 9.99999762e-01 2.04257889e-13 1.21682853e-09
 5.33672744e-17 8.85704948e-14 8.06731580e-13 4.06805611e-08
 2.68877954e-12 4.66143686e-11 2.19888906e-15 3.57858548e-10
 1.06302844e-09 3.10770561e-14 4.83148677e-09 2.35626536e-12
 4.78094989e-16 9.57515100e-13 5.63842159e-12 3.37589284e-14
 3.62980520e-14 9.96583814e-16 4.13198203e-13 1.12027886e-13
 1.79708733e-13 7.84319224e-12 8.07774750e-11 3.69066045e-14
 5.12700860e-09 9.24865462e-10 2.03863619e-13 2.22170559e-14
 1.69174189e-11 1.31903884e-14 1.20591894e-12 8.65125246e-13
 1.44458948e-13 2.20390350e-14 5.79842232e-14 1.13619104e-15
 1.11614758e-13 3.07827824e-15 4.59003131e-16 7.27278827e-12
 4.63931857e-17 1.02823896e-14 2.62024187e-14 7.97184550e-15
 8.51123640e-16 2.40240037e-15 2.47635605e-14 1.20656998e-16
 3.48399864e-14 6.58335907e-13 3.65225628e-11 3.77549164e-12
 1.12117572e-11 1.17949981e-11 3.73366138e-09 2.56843019e-10
 5.00446212e-12 1.83614512e-10 2.36591191e-08 2.88399738e-11
 1.85931236e-11 8.05823846e-14 1.64336572e-14 3.96748369e-14
 8.58070687e-16 2.98433652e-12 9.08069572e-13 3.68546277e-10
 6.55326420e-14 5.43407463e-12 1.14717094e-14 1.69802627e-11
 2.14697305e-11 9.34556794e-13 6.39874099e-16 4.90869715e-12
 5.87116822e-15 1.01559017e-12 1.16680146e-11 6.27540409e-10
 7.95708921e-09 2.98857004e-15]


0.99999976


1


[8.0227426e-07 1.1942942e-07 2.3320606e-11 9.9580306e-01 2.3671121e-09
 2.2641598e-07 1.1969359e-09 3.2481618e-11 1.8074254e-06 1.3003735e-07
 3.8732431e-10 4.7904011e-11 7.6070894e-05 2.8310443e-11 4.7522974e-07
 3.9182699e-11 1.2018566e-09 3.4609876e-08 1.8464831e-08 7.2939059e-08
 1.5055235e-09 5.5901972e-10 1.0586708e-06 2.7802536e-09 1.1014457e-09
 4.6762803e-08 4.3097912e-06 8.8718966e-10 1.0311780e-05 3.5514185e-04
 2.6018299e-11 3.0313281e-08 5.9003582e-07 9.0394892e-08 2.1680822e-07
 3.2902008e-07 9.1758257e-10 1.3495245e-09 3.7804162e-07 1.2192350e-10
 4.8476950e-06 2.5800289e-09 1.2373395e-10 2.5489183e-07 2.8962921e-10
 1.6101792e-10 2.3417899e-08 3.4301766e-09 1.5424935e-09 1.0862960e-10
 2.7939475e-09 2.9208809e-09 2.8857407e-08 1.8518310e-07 1.8077735e-08
 3.1843559e-09 3.7715270e-06 1.6250585e-08 2.0846135e-06 1.4571531e-06
 1.2801479e-03 2.9850207e-04 2.1038782e-03 7.5530634e-06 4.1553227e-05
 1.5321019e-09 5.2919205e-08 1.5303604e-10 2.8124683e-09 1.2783689e-10
 2.6255231e-08 5.2457477e-10 3.0692399e-10 2.6633908e-09 1.6434303e-08
 9.2982395e-09 1.3809639e-09 6.4081327e-09 4.9115054e-09 3.0686766e-11
 9.3407537e-10 1.9778827e-09 5.5903064e-09 1.9823884e-07 9.5295682e-09
 5.8942079e-10]


0.99580306


3


[1.14952115e-07 1.81309076e-07 1.71021614e-10 2.06877900e-07
 3.07153580e-10 1.71621967e-13 6.74950590e-12 8.94521623e-10
 1.41838585e-08 9.32146613e-13 2.02041300e-16 1.24242127e-11
 2.21006911e-08 3.91376428e-12 8.43789205e-11 7.05749903e-10
 2.48284344e-08 6.45829434e-09 5.70536329e-09 8.12212875e-09
 5.03425190e-10 1.16733602e-11 6.98081726e-09 1.82773607e-09
 1.47286714e-11 2.19005911e-10 7.39160555e-08 6.60222044e-10
 3.52905015e-03 1.68401530e-04 6.11619441e-07 9.95199382e-01
 2.15795124e-04 2.39296161e-04 6.45531749e-04 3.36751818e-08
 8.44463077e-09 8.27033546e-07 3.23773222e-08 6.19587803e-09
 1.33220439e-07 4.86710450e-10 3.52726563e-11 5.61550628e-09
 1.38766443e-10 4.01100264e-09 1.55744950e-09 5.65439464e-08
 1.97055927e-09 9.81199063e-12 1.03359650e-08 5.35937505e-13
 8.93208840e-10 3.19741678e-09 2.22421770e-09 7.75529001e-13
 4.08740028e-08 7.08834191e-09 3.95894517e-09 1.88209226e-10
 4.33479341e-09 4.88144565e-08 1.26878441e-09 1.62434122e-10
 2.60563682e-09 4.82047171e-12 1.55156842e-11 6.23897505e-12
 4.49530205e-11 4.89545175e-11 2.63691424e-09 1.88696801e-12
 2.66763500e-10 2.31071273e-09 1.40774579e-11 5.52499331e-11
 4.77543649e-09 6.18371410e-10 3.61426438e-13 2.11134088e-09
 1.20496506e-12 7.06700531e-11 1.15819314e-13 6.77423984e-09
 5.81138915e-10 8.77221684e-10]


0.9951994


31


[6.15960914e-07 6.54597898e-07 5.34475708e-09 9.96671379e-01
 4.55791735e-07 1.01341679e-09 6.75819904e-12 2.05816050e-12
 9.85606236e-13 1.26557861e-10 1.67107703e-10 4.45911667e-12
 4.43511894e-09 5.45280531e-12 2.46413751e-04 3.33568478e-10
 9.68398417e-11 1.54000934e-09 1.05152846e-08 4.01645437e-08
 2.33343300e-09 2.57100154e-08 3.05897044e-03 2.08387885e-09
 2.81220380e-10 3.85291937e-11 1.26629454e-08 5.62791393e-12
 3.69071422e-08 1.79207993e-09 6.83334791e-13 8.39428438e-09
 4.57009118e-11 2.44733105e-08 2.94471447e-10 2.07979511e-07
 3.59618238e-11 6.74051136e-12 2.81898238e-09 9.50268510e-13
 1.42933834e-08 8.70600397e-11 8.43358180e-14 7.39009254e-09
 4.52611418e-13 2.87289886e-13 8.21100132e-10 2.04277692e-10
 5.34917770e-11 3.29642807e-13 5.16896005e-11 4.88784013e-10
 2.09431565e-08 4.56430271e-09 1.68112635e-08 9.60016897e-13
 3.05759151e-12 5.29732677e-14 8.99065071e-07 1.37773037e-09
 1.79533000e-09 1.99333845e-05 5.25320412e-11 9.66268843e-08
 1.66950709e-09 2.05926378e-12 1.48920348e-10 2.06914217e-12
 1.98103209e-12 1.02274675e-10 1.05099367e-07 3.40285878e-13
 3.77379291e-12 1.39042222e-10 7.12247539e-10 1.02422654e-10
 7.02636005e-11 1.25753158e-11 7.34131034e-10 1.61611679e-11
 4.01012882e-13 5.64805806e-11 1.47654972e-10 3.82657447e-12
 3.37390449e-10 1.96727426e-11]


0.9966714


3


[1.39313613e-07 1.32515197e-06 2.21521845e-09 2.09084264e-05
 4.22752666e-11 8.43086850e-11 3.83097616e-11 6.36839488e-08
 3.73578501e-07 1.08196659e-07 1.87096866e-11 1.13794536e-10
 3.99127612e-06 1.19756260e-09 9.44488193e-07 1.02035029e-08
 1.87177362e-09 5.46422214e-08 2.08223426e-07 1.80696773e-07
 1.24939767e-10 2.92362001e-09 1.58639716e-06 2.01312194e-08
 3.92522637e-09 5.46092682e-09 3.90931637e-05 7.77109974e-12
 2.65814876e-03 1.52889534e-05 8.50654009e-12 4.39199539e-06
 3.54780233e-10 1.96792712e-06 1.45448041e-06 2.45580310e-07
 3.67826852e-10 8.54336102e-10 1.13150769e-08 3.98641453e-10
 4.91966645e-09 2.47369653e-10 8.60579871e-11 1.88689420e-08
 8.67537552e-12 3.00373290e-12 4.85921747e-09 3.13178177e-08
 9.49035628e-10 3.63897940e-11 6.08348302e-11 3.89094368e-10
 1.49591017e-09 1.71099032e-07 2.59083262e-08 6.33597041e-09
 8.79540778e-07 1.01000852e-08 1.18689623e-03 1.27399326e-05
 1.23464997e-04 9.89940941e-01 7.01788031e-06 5.86380158e-03
 1.12876813e-04 3.02969073e-11 2.76757783e-10 1.01928674e-11
 2.87255686e-09 4.81202911e-10 2.90603666e-08 7.61836194e-09
 6.04828965e-10 1.46583057e-08 3.03847697e-10 3.44850171e-09
 1.37770613e-08 2.36672363e-07 2.53291887e-10 2.02472012e-08
 3.07033204e-10 1.37135700e-07 3.73935993e-09 5.82975161e-08
 1.18906911e-08 2.01224548e-09]


0.98994094


61


[7.30277065e-08 2.48458309e-10 4.25499913e-12 2.68717972e-08
 2.13509921e-09 9.97741623e-09 2.76195816e-10 4.35819736e-08
 5.55800774e-08 1.19535271e-08 8.90376750e-09 5.43856116e-09
 1.17402763e-07 4.81567097e-09 1.41444366e-06 3.73237929e-09
 1.41145202e-08 9.56458390e-01 3.96550633e-02 1.02412523e-05
 2.34433051e-09 1.70793703e-06 2.46029010e-08 6.68171518e-09
 1.96035845e-08 8.92149455e-06 8.12307448e-08 2.74619789e-11
 4.31315566e-04 1.70974454e-04 1.96552705e-10 1.12362515e-10
 2.55385064e-08 1.19866093e-06 2.49810945e-08 1.08718751e-07
 1.72505621e-10 3.98586164e-10 9.97577465e-10 1.42769769e-08
 3.40831308e-10 2.06380402e-09 2.13939999e-09 2.10375850e-09
 1.78446896e-10 1.04211448e-11 4.25917257e-08 3.09957926e-09
 3.41142170e-10 5.65258257e-11 1.73706205e-09 8.53190241e-10
 2.50573997e-08 6.98810732e-11 5.83443516e-09 3.91034547e-08
 1.86350076e-06 1.58037743e-08 3.29073316e-07 6.50228094e-09
 1.10636291e-03 9.45494139e-06 2.09534238e-03 2.62503563e-05
 6.25229404e-07 1.62587330e-08 5.90409610e-10 2.28988235e-11
 4.77856190e-08 3.65501207e-09 4.87224761e-10 6.44808740e-09
 6.23949337e-09 4.07583328e-10 1.46753165e-09 5.14504261e-09
 6.14152271e-11 2.31154473e-09 2.52433421e-11 3.06454029e-11
 7.48453188e-10 3.13353277e-09 2.29551689e-09 1.94576442e-05
 7.37283301e-08 1.94508321e-09]


0.9564584


17


[6.19662096e-05 2.23644838e-06 9.27210912e-12 1.92974348e-08
 3.52199986e-13 1.00314459e-08 2.04989092e-09 6.46755494e-09
 1.39953848e-03 6.08735462e-08 1.35545283e-10 9.44904954e-09
 1.50496908e-03 2.85542114e-08 8.37175048e-06 3.51409781e-08
 1.89575508e-10 2.90752578e-09 2.24359411e-08 1.44488661e-08
 1.72684644e-09 1.54942670e-09 2.54115995e-09 9.82272219e-09
 4.09521377e-08 9.80849564e-01 2.61538247e-07 1.47550333e-10
 8.85123620e-04 7.68381942e-05 4.37100911e-10 2.07924515e-07
 1.47086587e-06 1.57021589e-06 4.01830192e-07 4.90017911e-08
 8.50085224e-10 1.33149305e-08 8.78242545e-08 1.21738097e-07
 4.71612260e-09 8.22605539e-10 2.79104490e-10 4.99015243e-07
 1.60002675e-12 1.82906482e-10 5.54545423e-08 2.28896209e-08
 1.12007424e-10 6.16486306e-10 1.68242025e-08 3.38983772e-11
 8.00189071e-08 1.91624665e-07 1.96392371e-04 9.02542306e-05
 1.06804771e-06 1.88432803e-09 3.57280510e-06 3.85158870e-07
 5.27335442e-06 1.25696257e-04 3.98020456e-05 2.38624780e-05
 4.55123336e-06 8.21077695e-09 4.92904068e-12 1.38166201e-10
 4.37949197e-08 2.13820672e-09 3.13663462e-12 3.83802717e-06
 9.56276658e-09 1.34601386e-09 3.96710137e-10 4.39019971e-07
 7.85259591e-09 1.02143636e-08 9.47116205e-11 1.65300413e-08
 1.55466556e-10 3.82239698e-08 1.71967440e-09 6.45805776e-05
 1.46462871e-02 7.72529447e-13]


0.98084956


25


[1.9993609e-05 6.8145170e-07 2.3390623e-10 3.8035658e-10 2.8136927e-14
 3.5089887e-08 5.6323474e-11 1.9388624e-10 2.0801574e-06 7.3848411e-10
 3.4001413e-11 1.9950561e-09 3.6136119e-06 2.1690668e-07 2.0433931e-06
 5.1116233e-10 5.2253195e-11 1.5744465e-08 2.4590491e-07 8.0033402e-09
 2.9846617e-10 1.4453101e-10 1.9318647e-09 1.5262330e-08 2.9027338e-09
 9.8743431e-02 6.0754188e-09 1.7636446e-10 2.8735124e-06 2.1516236e-08
 4.0234109e-09 4.3035175e-09 6.0811026e-08 3.5298587e-08 1.6209599e-10
 1.9901418e-09 8.8764038e-11 2.4261659e-10 8.8201952e-09 4.8766713e-10
 7.0411699e-10 4.9957594e-09 4.2299006e-10 4.3929992e-07 1.0785313e-12
 3.8159607e-11 5.7176126e-09 2.9428593e-10 8.8349484e-12 1.6504795e-10
 8.4596632e-09 4.0559067e-11 3.5614458e-09 5.1691172e-06 8.0220198e-06
 4.4239485e-08 7.4471100e-09 6.7454098e-11 1.2899071e-07 2.6673982e-10
 3.1814085e-09 1.8945792e-08 1.9722314e-08 4.9704319e-08 6.5209605e-08
 4.5889679e-09 1.3648015e-12 1.9270074e-12 1.3038940e-11 1.9341908e-09
 3.7108475e-13 4.2060744e-08 4.4245456e-09 7.5954604e-11 7.4510198e-12
 5.3663776e-09 6.2874851e-11 7.3565508e-11 8.0606242e-12 7.4988862e-11
 1.3427265e-10 8.9638359e-11 6.1110686e-11 4.3724389e-09 9.0121061e-01
 1.3752323e-13]


0.9012106


84


[9.4698191e-01 2.5865363e-04 2.1854068e-07 7.9973133e-06 1.9097590e-11
 2.2406485e-07 1.1822632e-09 4.7187250e-08 5.1978084e-05 1.7196172e-07
 4.0857495e-12 9.2564451e-10 2.7342395e-09 9.4031494e-09 5.0175291e-09
 3.5412180e-09 3.2045815e-08 2.7227955e-07 1.0991928e-08 2.1947826e-09
 2.8871063e-09 8.1316304e-10 1.6202005e-08 1.9194026e-08 1.3976835e-08
 9.2483498e-07 1.1625380e-06 6.2616743e-09 7.9472062e-05 2.0988928e-07
 2.3893563e-07 5.0856590e-07 3.0144119e-07 2.2184283e-06 1.3479773e-08
 7.8763793e-07 6.3722325e-08 1.0299446e-08 1.4965498e-06 3.8532177e-10
 3.5684629e-08 5.0087920e-08 6.4588669e-08 2.3129335e-04 3.5650767e-11
 6.7981496e-09 4.3159961e-08 6.6040906e-09 2.7459449e-10 4.1555738e-11
 5.0273506e-08 5.1049621e-08 2.2354810e-07 5.2320573e-02 4.3550503e-05
 2.4258570e-08 1.9336699e-09 4.2811771e-11 2.2894799e-06 1.4800816e-07
 2.0660718e-08 4.6157967e-07 1.8837640e-07 1.6504506e-06 5.6099830e-06
 1.2420702e-07 5.7121136e-10 9.5874662e-11 1.2035589e-10 4.8694170e-07
 1.0050656e-08 4.8507607e-09 6.7516595e-08 4.8408371e-08 1.6232085e-10
 6.2371697e-08 4.5735543e-08 2.4281301e-08 2.9888703e-10 5.9386618e-10
 2.7031888e-09 4.1731796e-09 8.9052872e-09 1.0673037e-09 3.6885738e-06
 2.1492423e-09]


0.9469819


0


[1.37732908e-01 1.05174016e-02 1.09263954e-06 3.99180176e-03
 2.65103273e-09 1.99218375e-05 5.03578974e-08 2.78065863e-06
 4.68086917e-04 2.42047440e-06 1.27604300e-08 3.66864100e-07
 2.24339983e-05 7.02710736e-07 7.23386862e-08 5.43369971e-08
 8.01515441e-08 5.30135276e-06 4.75926747e-08 1.35304745e-08
 1.24479653e-08 2.42044518e-09 1.81336254e-05 3.27688696e-07
 2.60851181e-07 4.21898185e-05 2.73966930e-06 7.40454311e-07
 7.13409483e-02 3.21046653e-04 2.52984697e-04 5.45425719e-05
 3.48923990e-04 8.56389306e-05 3.10641894e-06 1.47872688e-05
 2.62347407e-06 2.88640649e-07 5.15380269e-03 3.00845286e-08
 1.15021736e-04 1.11520296e-06 1.31914876e-05 7.59099662e-01
 9.48714600e-08 5.29414365e-06 4.46127569e-06 8.68791005e-07
 5.68194807e-08 1.96330667e-08 7.10654149e-06 5.20856702e-06
 1.58825816e-04 2.73534888e-03 8.54624977e-06 3.14733413e-08
 1.08519052e-08 1.52786950e-09 2.27952478e-04 1.19438395e-04
 1.55877497e-03 1.08519068e-03 6.58154080e-04 5.46482624e-04
 2.44002184e-03 5.68418136e-06 1.94664171e-05 6.72435405e-08
 8.15479861e-09 3.38414713e-04 1.37393057e-04 6.82676045e-07
 8.46749608e-05 2.68625922e-06 6.39538413e-08 9.68352906e-05
 6.28334237e-06 2.29436318e-05 9.10206026e-08 5.92173919e-08
 9.38710912e-07 1.39340628e-07 2.05672541e-06 4.61738274e-08
 8.16232277e-05 2.35647931e-07]


0.75909966


43


[5.22471146e-06 2.71140561e-06 9.63487623e-12 2.65220668e-09
 8.59572476e-16 6.62438566e-08 2.12812823e-11 1.11756972e-10
 2.34173498e-08 6.12457474e-10 4.64927020e-11 1.08342751e-10
 1.00916033e-07 2.51040255e-09 6.44068709e-09 1.35163478e-11
 3.55546391e-11 4.49636683e-09 1.56319633e-08 1.51970858e-09
 3.17793902e-10 6.16560047e-09 6.69099554e-10 1.11965270e-09
 1.25067023e-08 9.99974608e-01 1.17414425e-10 7.61924118e-12
 4.47959998e-08 5.59884299e-08 2.72624024e-11 1.37079985e-12
 6.10576090e-10 8.78424486e-11 8.73396624e-13 7.88837107e-10
 5.43505241e-10 1.03746308e-12 6.02094019e-08 3.01977708e-13
 1.62329812e-08 1.63127722e-09 1.21306487e-09 2.82409673e-07
 1.95729612e-14 3.14493418e-12 3.33025899e-11 2.66557332e-10
 2.23346341e-12 7.12315406e-13 1.83609891e-10 4.81507527e-08
 4.10355749e-09 4.19874823e-07 6.61293198e-09 6.24987215e-11
 5.94589135e-12 5.05405789e-14 3.06309955e-09 5.74643444e-09
 1.21751775e-09 9.68082725e-10 9.90515225e-09 3.29091478e-07
 5.84574034e-09 1.25112052e-07 1.34637620e-10 1.84941775e-12
 7.11344720e-13 1.15192309e-08 1.82434432e-11 6.36111996e-10
 1.37865825e-08 1.87248411e-10 7.10792699e-13 1.50446874e-06
 1.49458883e-11 1.72712691e-10 4.27027941e-10 4.97102793e-13
 4.28778974e-12 3.26799243e-13 1.30901923e-09 1.79696244e-10
 1.42930712e-05 3.60279154e-15]


0.9999746


25


[8.37360332e-08 8.07378875e-09 5.95274663e-10 2.17849183e-09
 8.02941630e-14 3.91243400e-14 1.13330589e-13 3.77978049e-09
 4.89082822e-06 1.65270434e-12 5.06850751e-17 1.96630892e-10
 4.26339319e-09 2.77288162e-14 2.04146379e-12 2.27077468e-10
 2.09551985e-08 2.94727052e-08 1.23420447e-08 2.99697822e-09
 2.09864282e-09 5.21680303e-11 3.28281846e-11 1.47477612e-08
 3.44055617e-10 7.77983233e-12 4.32477876e-09 8.13330570e-10
 2.18018511e-04 9.93218243e-01 6.17416436e-03 2.53339007e-04
 5.99802843e-06 2.17486395e-05 1.01697129e-04 1.53827699e-07
 7.59881225e-09 4.54151028e-09 8.19430213e-09 1.96884038e-08
 1.91287910e-08 2.68382627e-09 2.78150147e-09 8.91860239e-08
 2.23784768e-10 1.33873286e-08 5.10366476e-07 1.68249397e-08
 1.75761028e-09 7.31346515e-13 5.93980417e-07 7.68526909e-11
 3.18143756e-09 2.01648934e-10 3.66073477e-10 2.33201533e-13
 4.32740244e-09 1.11014431e-09 7.94488741e-09 9.33094029e-08
 2.22348517e-09 1.47094994e-08 1.01065822e-07 1.82426909e-08
 1.94455598e-08 2.53023080e-12 2.19735103e-12 2.35383718e-12
 4.16449617e-13 6.38017150e-09 9.53798360e-11 1.42797677e-12
 8.61044736e-10 1.89181968e-08 1.52688734e-12 1.16040885e-10
 1.41239809e-09 6.86553125e-09 1.57407052e-12 1.95756855e-09
 6.30992925e-13 1.02491703e-10 1.04232656e-14 2.82254087e-09
 7.67727748e-09 1.32862113e-12]


0.99321824


29


[9.99907851e-01 4.65661469e-05 1.49613925e-07 1.52567634e-06
 1.25412837e-13 1.82715287e-09 2.22129745e-11 3.25785487e-09
 1.47275063e-08 7.53210549e-10 5.46113259e-11 3.30190346e-08
 6.66768141e-10 2.00807787e-10 3.20376387e-07 9.68504850e-08
 2.62891153e-10 1.37898182e-08 3.68499942e-09 6.17960225e-08
 1.34663891e-09 3.52700785e-11 2.72480456e-08 1.30022846e-08
 1.92133731e-09 5.68156677e-09 8.68796840e-11 1.11913812e-09
 7.94401434e-09 4.28984386e-08 4.36105874e-11 1.90730520e-09
 1.50068902e-09 8.52713811e-09 7.57243435e-11 1.82044602e-09
 6.28577260e-11 5.43790967e-12 2.02325615e-10 1.30552201e-11
 1.91030441e-10 2.00113602e-12 3.80529948e-11 1.37400988e-07
 9.52268930e-14 1.01519856e-12 1.54474800e-09 1.06799250e-10
 9.58870895e-13 6.03860169e-13 4.73355972e-11 1.07132974e-11
 2.46489162e-09 1.81453998e-08 1.06471081e-08 2.16469578e-10
 1.90815853e-11 1.33706671e-13 3.22961171e-07 4.77600997e-06
 2.92807618e-12 3.16081064e-08 2.17175309e-08 1.05052470e-06
 4.85756990e-09 9.07684067e-11 3.96591510e-11 1.99211714e-13
 6.62164334e-12 6.01474213e-08 9.32214618e-07 3.78811915e-09
 1.41944847e-08 8.73887132e-08 1.18015250e-10 2.92103550e-07
 7.09778694e-11 4.85032103e-09 1.95966104e-10 3.40313067e-09
 1.47527563e-11 1.08600595e-09 1.94191274e-10 1.63390135e-10
 3.55178745e-05 2.32640594e-13]


0.99990785


0


[8.16907004e-07 1.41181999e-06 1.44147833e-07 3.04863846e-04
 8.57137583e-10 8.15360465e-07 7.33180130e-08 3.49379121e-08
 6.57631410e-03 2.38363697e-07 1.10945964e-09 3.83884817e-08
 1.49987650e-03 3.55950789e-08 5.80812753e-07 3.88952381e-09
 4.23478896e-09 5.63999194e-08 2.17792746e-07 3.19244037e-07
 3.90658705e-09 1.18380572e-09 1.92779215e-08 1.10912872e-07
 4.87046030e-08 2.77350955e-06 1.41602577e-04 1.85601735e-07
 7.61726677e-01 2.95830728e-03 9.61736987e-07 4.91135987e-04
 1.06283603e-03 5.03102201e-04 7.59072194e-04 2.52772838e-06
 1.93879544e-08 6.10475922e-07 1.11909105e-06 1.44079252e-07
 1.04675291e-06 1.04026789e-07 3.45416936e-07 3.42806379e-05
 1.93162619e-09 3.03253032e-08 5.13447560e-07 9.33553466e-08
 4.64755914e-08 5.67524864e-07 7.40393205e-07 7.21554061e-09
 5.60518401e-07 1.15289072e-06 4.40860867e-06 8.40033499e-06
 8.08669065e-05 6.88074942e-06 3.54210474e-03 2.75737420e-06
 4.48044995e-03 1.05570657e-02 1.62275638e-02 4.07030582e-02
 7.61325806e-02 3.71377440e-09 2.88139934e-09 9.93982852e-09
 8.36718961e-09 4.03568023e-09 1.98744621e-09 1.16146815e-07
 1.20669865e-05 2.63815725e-08 8.52234905e-08 1.31278512e-07
 1.67804529e-07 1.99642585e-07 1.58535922e-08 2.80602990e-07
 7.04645808e-09 6.54918540e-06 5.98577454e-09 1.48587060e-05
 7.21425936e-02 3.08229531e-08]


0.7617267


64


[4.1949161e-08 2.0228013e-06 2.2031308e-09 1.2440042e-06 4.2643644e-09
 1.9981197e-08 9.5238086e-08 2.4060952e-08 3.5904108e-07 1.9295131e-08
 6.4771040e-05 4.1684817e-07 3.1211332e-06 4.5824011e-09 8.4169859e-01
 2.2701454e-09 3.6710721e-10 2.4396812e-05 6.5463391e-05 2.1858067e-07
 1.2275234e-09 7.3258448e-08 7.8788013e-08 7.1400130e-08 2.3497024e-07
 1.2151283e-05 2.2177871e-06 5.7333849e-09 9.3621856e-07 1.2047830e-08
 8.8910384e-13 3.1800749e-09 3.2156589e-09 1.9855522e-08 3.6384207e-10
 2.1593948e-08 4.6674697e-10 4.8386667e-10 1.4601438e-09 3.4805061e-09
 2.9208294e-09 5.8127027e-11 1.4514878e-10 5.4936315e-08 1.8897933e-13
 2.0224796e-11 1.5166219e-09 3.2848100e-09 1.3287739e-09 1.1699646e-09
 1.6881168e-09 6.3944856e-11 2.6252753e-09 2.7309152e-10 1.0519465e-06
 2.5752740e-07 3.0457534e-07 2.9517536e-10 2.3843937e-05 1.7298098e-07
 1.5416855e-07 6.1721224e-08 4.3111640e-07 8.0736885e-05 2.1723231e-06
 1.7907475e-08 3.7387182e-10 7.4739714e-11 2.0764070e-09 7.2991418e-10
 2.1018992e-11 5.2646453e-08 2.4209273e-08 3.3930716e-09 6.5437944e-10
 3.1262912e-09 2.5859240e-10 7.1408945e-09 1.1000541e-11 1.3546482e-09
 1.5313147e-10 2.7217713e-08 1.5080655e-10 2.2954611e-08 1.5801403e-01
 5.0358480e-12]


0.8416986


14


[1.0483063e-11 2.1548150e-12 1.8657120e-12 1.5357844e-09 3.2710587e-10
 3.0971742e-12 1.7556194e-11 8.3214997e-11 1.0112335e-07 6.1571465e-10
 2.3782614e-09 3.4411754e-10 4.2663650e-09 2.4875969e-11 1.2434850e-07
 3.1853041e-11 2.9594004e-08 9.9992681e-01 1.1629341e-05 1.1632380e-05
 2.2291045e-09 8.2388198e-08 2.9248387e-08 6.3315031e-07 2.5793514e-07
 7.6966098e-12 1.4212709e-07 2.1756799e-11 6.9067021e-08 5.7235172e-09
 3.9656799e-11 1.7968423e-10 6.0465277e-10 3.7018600e-11 8.9365126e-10
 1.7883501e-09 1.3299589e-11 2.0149249e-11 1.2848649e-11 2.6383448e-10
 5.1284849e-12 9.3675536e-12 3.5517034e-10 1.5674483e-11 4.6596608e-13
 3.5602101e-13 2.3242259e-11 2.2228948e-11 5.0767890e-11 7.3711566e-12
 6.0690641e-12 1.9452145e-11 6.6107307e-11 1.3549870e-12 4.3103018e-10
 7.7788215e-10 1.7006860e-06 2.5090030e-10 2.9173353e-07 1.2785401e-08
 1.7208622e-05 7.7899060e-08 2.3345896e-05 3.8026280e-06 1.9890485e-06
 9.9484299e-10 1.9815196e-11 2.4534509e-13 2.4137121e-11 6.5190182e-13
 1.5329895e-09 1.5848384e-12 4.5885376e-10 3.0283409e-10 1.7589109e-11
 2.1504452e-13 6.8214683e-13 2.6739191e-10 7.2735481e-12 2.5012937e-12
 8.1608539e-12 1.4037564e-09 7.5126949e-13 6.2334513e-12 4.6634843e-09
 1.9607009e-13]


0.9999268


17


[5.6961653e-07 7.7288229e-07 5.6378430e-10 9.0816198e-04 2.0357286e-13
 5.1015170e-09 1.8820225e-10 2.9880667e-11 2.8531504e-06 4.0085382e-08
 6.1683664e-08 1.1879856e-12 3.1312917e-05 1.7034661e-10 9.0110262e-08
 8.4303897e-11 3.4133375e-12 1.1210031e-09 7.8799028e-10 8.8423596e-10
 1.0521823e-11 7.5616513e-11 3.1332121e-07 3.7155033e-08 2.0622648e-09
 3.3509714e-08 6.0898299e-05 8.0514401e-11 6.8342575e-07 2.2844419e-07
 2.0541197e-12 1.5621818e-09 1.1207876e-08 5.9408323e-09 6.2990672e-08
 1.1577452e-07 1.1133989e-11 3.8401344e-12 1.0845547e-09 5.4547573e-12
 3.0682397e-08 7.3537149e-12 3.6519482e-11 3.8985092e-07 6.3850157e-14
 7.3280742e-13 8.3896173e-10 6.7076464e-09 4.1150354e-11 8.1687955e-12
 2.0411632e-10 1.4556047e-10 4.7344056e-08 1.8120080e-08 2.7236416e-07
 1.7509084e-10 2.5228706e-05 4.0429221e-08 9.2968881e-01 9.0440363e-04
 1.7407216e-07 1.1927515e-04 2.7056166e-03 6.2993452e-02 2.5466995e-03
 6.5668457e-11 2.8730920e-11 2.5568846e-13 2.7728809e-12 5.2925291e-13
 3.3340244e-09 3.8572867e-10 2.3359967e-09 8.5412495e-09 9.8148367e-10
 3.3816640e-11 8.0366040e-11 1.1713135e-08 1.5786912e-10 4.4415325e-09
 5.9941857e-11 2.2610367e-08 4.4052244e-11 4.6482365e-09 9.3250474e-06
 5.8867792e-13]


0.9296888


58


[1.32770186e-08 7.39923053e-07 7.58185251e-11 3.35196233e-07
 1.91299379e-10 2.36523912e-10 1.12809562e-09 4.78493263e-08
 2.79245356e-08 3.02391499e-08 1.21758376e-06 1.58432600e-09
 1.47244623e-06 5.28000144e-10 9.97423291e-01 2.00705397e-10
 6.80331902e-11 1.10129832e-07 2.45162228e-04 1.74941039e-08
 4.77773210e-10 5.85701976e-09 4.06791001e-09 3.54069152e-09
 1.53717878e-07 2.73656610e-06 1.48376046e-07 2.38465414e-10
 3.21566079e-10 1.08982112e-09 2.62495595e-14 3.86230891e-12
 2.35020586e-10 7.88141719e-10 3.81697712e-12 2.69019673e-09
 1.55561137e-11 8.96938687e-12 2.62979118e-11 3.40445519e-11
 4.72626049e-10 5.39444487e-12 1.89772113e-12 3.72385567e-10
 8.38167562e-15 2.25796134e-13 3.91294011e-11 1.48777685e-10
 1.15655534e-10 2.56370810e-11 2.31747382e-11 1.77715689e-11
 7.16183668e-10 2.19222529e-10 1.06029518e-06 1.32166829e-08
 8.57809290e-09 5.22998415e-11 5.17531218e-09 4.85091634e-10
 2.79970352e-10 3.32399976e-11 5.51608093e-10 3.30063514e-08
 6.63927890e-09 3.81607052e-10 9.70662092e-12 8.59797802e-13
 1.27731376e-11 3.24410073e-12 1.11709199e-13 5.30715888e-11
 4.98867753e-11 6.35794611e-11 3.46475387e-12 2.92125872e-11
 2.13392997e-12 1.47026332e-11 6.96176623e-13 1.38664870e-11
 4.60935456e-12 6.29641200e-11 2.73172305e-12 9.11345943e-10
 2.32334295e-03 4.15553390e-15]


0.9974233


14


[3.92483823e-10 8.47801551e-10 5.70912729e-13 1.63804998e-07
 1.62740310e-08 1.14600864e-12 8.03021816e-11 1.92176675e-09
 1.13329266e-08 9.84432180e-09 6.06075901e-07 4.56933463e-10
 9.93787541e-09 2.63261427e-11 2.37629501e-05 2.75096907e-11
 8.34120062e-09 9.99950171e-01 4.63326933e-06 8.96897018e-06
 7.07140291e-10 9.34461042e-08 2.63968669e-09 4.00183524e-07
 6.20420735e-07 1.46952339e-09 4.87888656e-07 1.25151122e-11
 2.06644746e-09 9.09426423e-10 1.96638685e-13 2.27400390e-12
 6.65458105e-11 1.79437729e-10 2.72258149e-12 2.98910918e-09
 8.61066166e-12 1.88668655e-12 1.59702321e-11 7.68831318e-11
 2.08384872e-11 1.24993137e-12 4.66901561e-12 7.39260302e-12
 2.02031029e-14 1.24465637e-13 3.55195886e-12 3.45316796e-11
 2.79180793e-11 4.47626181e-12 3.26616176e-13 1.80285682e-11
 1.77514982e-11 2.22464256e-12 7.86847139e-08 1.28336786e-09
 3.94427211e-08 1.07828843e-10 1.73523816e-07 1.01484765e-10
 6.32702690e-09 7.81063755e-11 8.64339142e-08 5.59908301e-07
 7.37105887e-09 3.76440967e-09 1.35249398e-11 2.07319716e-14
 5.62663588e-12 5.15147441e-13 1.30242789e-12 2.65164214e-12
 4.02254272e-11 9.17706688e-10 7.04496921e-12 1.12154243e-13
 2.38189239e-14 7.79337428e-11 1.39129084e-12 8.67597335e-13
 1.01828676e-11 8.99345251e-11 1.30758455e-13 1.67044815e-11
 9.09273876e-06 1.04512482e-14]


0.9999502


17


[8.75684858e-09 3.50065449e-07 2.24725642e-12 1.22934225e-07
 5.93721990e-12 1.28442174e-10 7.31644675e-11 2.82154317e-11
 1.72214683e-07 3.78586407e-09 3.97645543e-08 1.74462764e-10
 2.34483978e-05 2.11848872e-11 6.61273475e-07 2.79837243e-12
 5.99640780e-13 9.82774839e-09 1.03623374e-10 2.83269075e-10
 1.44533062e-12 1.83913171e-12 3.28411159e-10 7.23437399e-09
 3.99689115e-10 2.91090373e-07 6.96592451e-06 5.72232843e-12
 1.41046574e-09 6.59491073e-11 1.46763989e-13 7.52418353e-12
 6.03303629e-10 4.99072311e-12 1.01883198e-11 2.23858723e-10
 6.82633136e-14 1.52107073e-13 3.37229615e-12 2.92070665e-12
 6.32211514e-12 3.39334138e-13 2.70231347e-13 6.74964390e-11
 1.23382340e-16 3.30227653e-14 1.40229007e-12 1.01624490e-11
 3.88150178e-13 1.09735810e-12 3.24719093e-12 6.09501002e-13
 1.49889910e-11 2.20690861e-11 3.38563295e-05 3.09179526e-09
 1.16154650e-08 1.20316290e-09 8.73178294e-07 6.18026519e-10
 8.08802539e-11 1.82272120e-09 1.14863667e-07 3.38681971e-08
 6.45337536e-07 5.42901800e-11 6.18966362e-15 5.10402403e-14
 3.52030227e-13 1.23869036e-12 5.38615478e-14 3.62251167e-11
 1.28880153e-11 2.39424730e-11 6.54734383e-12 1.02890773e-13
 8.77798648e-13 2.94128090e-11 8.58491270e-15 1.16126561e-11
 4.51119150e-13 2.21693386e-10 8.62252842e-14 3.19051417e-11
 9.99932289e-01 1.72473177e-15]


0.9999323


84


[1.5589723e-06 1.5233773e-06 1.2209248e-10 9.9994481e-01 6.2441330e-11
 2.5464915e-09 3.4351055e-10 9.5285377e-12 2.0299739e-08 2.0373885e-10
 4.8062648e-10 2.7489897e-13 2.4138041e-07 4.5367161e-11 1.1424197e-07
 3.4526123e-13 2.9053985e-11 1.0249948e-10 3.3123906e-11 8.2127266e-10
 1.5528218e-10 1.5861477e-10 1.6336672e-08 4.1472525e-10 3.7039996e-09
 5.0162289e-06 1.1414734e-05 1.1409677e-10 1.1765114e-08 1.2530080e-09
 1.7774050e-13 5.3398619e-11 1.2438625e-08 2.2383881e-07 4.3993551e-09
 9.0722514e-09 1.7104071e-12 2.7690844e-11 2.4233822e-08 3.5209675e-11
 5.2785040e-08 5.0148719e-11 1.0356356e-11 4.9946687e-09 2.5730350e-14
 9.1198802e-12 8.2484686e-11 8.9517247e-09 7.8140185e-12 1.4747078e-12
 3.0634256e-11 6.7998718e-09 1.0965345e-09 4.4229495e-08 1.0503999e-05
 8.4070771e-12 8.1628776e-10 7.6800597e-12 1.3923952e-07 1.6929361e-08
 2.1180449e-09 5.0369565e-08 2.3326639e-07 1.4673641e-06 2.1415202e-05
 1.3561091e-10 1.2982207e-10 3.6159216e-12 2.0799383e-11 5.1029055e-12
 4.5890729e-11 2.6544527e-11 1.3169581e-10 1.8731723e-09 9.9024922e-10
 2.0950772e-10 5.2459838e-12 1.9225289e-10 6.9030621e-11 2.8960243e-12
 6.7153269e-11 1.0276473e-10 6.5990956e-11 7.1520456e-10 1.1215019e-06
 5.1308319e-14]


0.9999448


3


[5.66406788e-06 7.39395460e-08 6.90007218e-10 2.63519428e-06
 3.57883811e-09 7.55453751e-13 2.43883747e-10 2.87574853e-09
 4.22627272e-06 1.05300751e-11 2.19296329e-13 8.20211885e-11
 3.59940827e-06 1.08020589e-11 3.42294443e-10 4.26590141e-09
 7.86232079e-07 9.59829638e-09 1.15150840e-07 2.48957662e-07
 4.84728879e-08 7.46100248e-09 5.23393702e-08 8.12565645e-07
 7.86687249e-09 8.67927730e-10 5.72874342e-07 6.75208938e-08
 2.98427045e-03 1.89216323e-02 3.22589790e-06 2.54055679e-01
 1.19044431e-01 6.11416996e-03 5.98813713e-01 8.71228349e-06
 8.00316968e-08 1.49984555e-06 2.88194383e-06 4.63047081e-06
 1.21095309e-05 4.12841459e-08 7.50341567e-09 2.60161369e-06
 2.02830783e-08 3.01699785e-08 2.41136444e-08 4.82934047e-06
 3.59182417e-09 7.55974536e-12 6.93756704e-07 4.56982646e-11
 2.06475743e-08 1.32467159e-09 1.50779144e-07 3.25530271e-12
 2.00886880e-08 7.49257225e-08 1.10695346e-07 1.99302562e-07
 3.64994424e-10 2.63382617e-07 7.87555408e-08 1.13097665e-09
 8.30156850e-08 1.39397782e-09 5.52924546e-12 2.98020116e-11
 2.04040035e-10 4.49732446e-10 3.73918681e-07 7.01818603e-11
 3.20788462e-09 3.59318449e-07 3.47359519e-09 1.64104615e-11
 7.46390594e-09 2.11795327e-06 8.28317762e-11 1.36900997e-08
 1.10128107e-09 2.99911318e-09 1.52249123e-12 2.29685764e-08
 1.91630397e-06 4.93453993e-11]


0.5988137


34


[7.09122958e-07 4.43580284e-08 5.66664562e-11 9.99957085e-01
 3.78828622e-06 2.28011750e-12 1.91461888e-10 1.42250231e-12
 2.37280300e-11 1.11438558e-09 2.08898676e-09 1.43004247e-13
 2.63840449e-10 3.89697085e-12 2.57396696e-05 9.11343570e-12
 5.20398221e-12 3.21752736e-10 5.81753265e-12 2.02515302e-08
 2.57030641e-09 2.07911202e-10 8.78161791e-06 5.34079847e-09
 1.63348481e-08 8.69523897e-12 1.51414206e-08 1.32784209e-11
 1.59081570e-09 7.94210531e-12 1.58790759e-14 3.90103297e-11
 1.90982560e-11 1.37545531e-09 1.52022683e-09 2.47257663e-08
 6.52415665e-12 1.92994180e-13 1.15425685e-07 6.89542824e-13
 1.17724586e-09 1.37239178e-13 2.39648694e-14 3.87153337e-10
 1.48175929e-14 5.88105275e-14 6.68333271e-12 2.17817483e-11
 1.86351368e-12 1.12823510e-14 1.02747465e-12 1.48654411e-09
 1.25795110e-10 5.54826324e-11 6.85481155e-07 5.11633704e-13
 4.45585652e-16 3.21427557e-14 2.54214658e-08 2.13324736e-08
 6.50070536e-12 3.29187841e-08 1.33218766e-11 2.81265206e-10
 1.35935121e-08 1.13944194e-10 1.02679341e-11 9.42215229e-12
 4.00871307e-12 4.02456041e-10 2.89688637e-06 1.61026706e-10
 1.18452134e-12 1.16014665e-09 5.99573058e-10 7.99109875e-11
 6.33094835e-12 2.55490029e-09 7.93193636e-11 2.30555202e-12
 5.52583847e-12 4.03167257e-11 4.98433976e-12 9.50659473e-13
 2.66810325e-08 1.80971652e-13]


0.9999571


3


[2.03463060e-07 6.01259060e-08 1.16889254e-09 3.29663802e-04
 5.66209059e-12 5.29072055e-12 4.35763065e-10 2.95314440e-08
 2.49837939e-07 1.39894736e-08 1.27404379e-10 3.05230613e-13
 1.50275710e-07 1.32614015e-11 1.04740202e-07 1.07451079e-11
 5.40236689e-10 2.63680966e-09 6.22031593e-10 5.54170709e-09
 1.24764421e-10 2.43343096e-10 6.83466283e-07 6.49990781e-08
 1.13373808e-07 4.77400508e-10 1.26809045e-05 2.83736992e-11
 3.62835606e-09 1.03698437e-06 2.14705789e-13 1.54394797e-09
 1.65775366e-10 1.93670621e-10 8.79294859e-08 5.89573119e-07
 5.59740865e-11 3.04638849e-11 4.72063943e-09 4.13604151e-11
 4.08251344e-09 4.01586021e-11 1.00179674e-11 2.24766676e-08
 2.23606984e-12 6.37216929e-12 1.25504242e-11 4.53095339e-09
 1.66950051e-10 2.44360044e-12 8.35299330e-11 1.70973158e-09
 4.88967866e-10 3.10573589e-09 3.71558340e-09 1.19217310e-11
 5.01158866e-07 9.44971816e-08 7.37748481e-03 9.81861889e-01
 1.52359902e-07 8.56106271e-06 7.75078297e-05 1.73900698e-04
 1.01538273e-02 8.83147652e-11 4.10911438e-09 3.47409666e-12
 6.92883806e-11 8.09251000e-11 1.56340107e-07 1.53831667e-08
 5.19879528e-10 2.70388583e-08 9.48484846e-10 1.85746751e-10
 1.95478811e-09 5.16689020e-08 1.27978683e-10 1.58575253e-09
 8.58104865e-10 2.35249455e-08 1.41595749e-10 1.13928733e-09
 2.63999631e-08 5.62510412e-12]


0.9818619


59


[1.47322214e-06 2.90481097e-07 5.32258014e-07 2.84697599e-04
 1.30783817e-09 6.13459505e-09 2.37797937e-09 1.27612138e-05
 1.88970724e-08 8.98036490e-08 9.45540933e-07 2.40648668e-10
 7.55868825e-07 1.54493680e-08 1.68566785e-05 9.07444075e-09
 1.35473499e-06 8.43248904e-01 6.48849271e-03 4.82379110e-05
 2.82970200e-06 3.26494264e-05 1.13320118e-06 5.93868492e-07
 4.68663238e-05 2.22522146e-07 3.37620841e-05 2.88660829e-08
 1.60203876e-06 3.82507750e-07 3.76635301e-09 1.91375266e-11
 4.86867824e-10 1.16022193e-07 8.97998348e-07 1.30114972e-06
 1.72041101e-08 8.77517436e-09 4.43669336e-07 1.21281918e-09
 1.24792081e-07 2.80474644e-09 1.93103649e-08 1.05047882e-07
 7.70491448e-10 4.72725359e-10 3.96032576e-08 8.41857357e-08
 1.05429756e-07 2.82715823e-10 4.12630108e-09 9.61087608e-06
 2.10646590e-07 5.67549918e-09 4.28479689e-06 4.93545693e-09
 1.36152403e-02 1.87716989e-08 3.06536090e-02 1.73217349e-03
 3.99244163e-06 1.85642260e-04 2.50274770e-05 5.90724591e-03
 9.76240337e-02 1.94840766e-07 1.46976015e-06 8.37870995e-10
 8.89787657e-08 2.45798475e-07 1.73270834e-07 2.66008612e-07
 4.70802291e-07 7.39103825e-07 2.15258797e-08 2.51985966e-07
 5.33093925e-08 7.56639551e-08 6.75344083e-08 3.28621397e-08
 1.65576026e-07 5.43717420e-07 4.46736301e-08 5.17720810e-06
 1.23271874e-07 1.20618964e-08]


0.8432489


17


[2.72059810e-06 4.14170849e-04 1.25264696e-08 1.43534344e-05
 3.07061559e-13 2.18996470e-11 1.12334042e-09 2.42342321e-05
 8.26185499e-07 1.41682470e-08 1.33628004e-11 9.79013606e-11
 3.71758824e-06 1.01381022e-10 1.19002188e-07 9.94947347e-10
 2.42257353e-10 1.23936850e-09 2.11360277e-10 4.01533001e-10
 9.37952493e-10 1.09095066e-10 1.78818755e-08 7.29963574e-08
 2.18048992e-08 2.25317095e-07 1.68928764e-05 8.19419477e-10
 3.63530817e-05 2.71580357e-05 1.31366953e-08 2.88458779e-07
 2.12245325e-07 4.77032813e-08 1.61991149e-04 2.27639546e-07
 4.31167518e-10 1.61167879e-09 1.97861478e-08 3.47046969e-09
 9.44762846e-08 1.63301728e-09 1.94636987e-10 3.22505151e-08
 5.19886773e-11 3.19150290e-10 3.66101838e-09 1.71996277e-07
 3.64835251e-09 8.52455953e-11 7.49815143e-09 1.36412459e-09
 2.74140213e-08 1.19775798e-08 6.62064963e-07 1.89789795e-10
 6.83983453e-05 9.58801891e-08 8.20965320e-02 2.60085166e-01
 2.11400533e-07 1.58328898e-04 4.97751826e-05 1.31548499e-03
 6.55486703e-01 9.31384969e-10 1.18033538e-09 3.67948422e-10
 1.57264246e-09 1.35418565e-09 4.10566514e-08 4.78849927e-07
 2.12179252e-08 4.76436799e-06 5.82634663e-10 1.54101500e-07
 1.17330490e-06 1.63716678e-07 1.14148638e-11 1.49678203e-06
 1.48945090e-09 1.94092422e-06 2.56071525e-10 2.41644211e-05
 1.59350847e-07 1.26841202e-11]


0.6554867


64


[7.9679587e-08 9.9999487e-01 9.9895514e-10 1.5536602e-07 7.0484957e-16
 1.3882375e-13 2.0841207e-11 2.5378887e-07 2.5793677e-12 1.1816517e-10
 2.9403975e-12 3.6559222e-09 1.9564199e-08 8.1743206e-13 3.4866065e-07
 3.9605658e-12 1.3071929e-15 4.5129584e-11 1.1915559e-10 1.2894643e-12
 4.6895360e-13 1.5876533e-13 4.5878325e-11 1.2675816e-11 3.7094203e-11
 2.2129998e-10 5.1683432e-11 1.0279800e-12 2.5633476e-10 4.8056814e-10
 1.0395799e-12 3.0814969e-13 2.2559834e-11 2.4857151e-13 6.5801954e-11
 3.9355346e-12 1.6696364e-12 1.5938612e-13 8.6032608e-13 1.1712199e-14
 2.9438093e-12 3.1673538e-13 9.1325424e-15 4.8147982e-11 1.4074510e-15
 8.0850487e-14 1.9511344e-13 2.7800746e-13 1.8105238e-13 9.5831707e-15
 5.8760744e-13 4.1918069e-13 1.6635267e-12 2.2136689e-12 6.5603484e-10
 2.4590242e-13 4.1603724e-11 2.2759225e-13 3.8821881e-06 3.1261192e-07
 3.1909786e-13 2.3895499e-09 1.2555487e-10 1.2617791e-09 3.5865508e-09
 2.2295049e-11 1.6503632e-13 7.3463062e-13 8.2943851e-14 5.1094261e-11
 1.0203864e-09 3.7977239e-09 1.9765245e-11 2.7719779e-10 2.2990071e-13
 4.6383413e-09 6.0546135e-10 1.4850033e-11 3.1615204e-15 1.7393741e-10
 1.1565647e-13 4.0454747e-11 1.1872885e-10 9.2400060e-10 1.0275514e-07
 1.5555546e-15]


0.9999949


1


[1.29387422e-06 4.40480426e-06 1.81489987e-08 4.04454976e-01
 1.64999767e-11 2.87640023e-10 3.08245185e-09 4.07228598e-08
 5.69392660e-06 2.25096830e-08 3.95112609e-10 5.42786024e-11
 1.28127167e-05 1.61301350e-09 8.71739928e-07 3.47259860e-11
 2.30623365e-09 3.52255403e-09 4.41738779e-09 1.49214813e-07
 2.03221817e-09 4.05557754e-10 4.46579037e-07 1.35752503e-08
 5.35462412e-08 2.02411414e-07 1.70664662e-05 2.30412633e-10
 1.22411575e-05 5.98129933e-04 7.38719586e-10 4.28765952e-06
 2.53514099e-08 2.53563087e-07 2.94154361e-05 1.02212630e-06
 2.12191309e-09 4.67812233e-09 7.12273831e-08 8.57730997e-10
 1.76834760e-06 9.98011718e-09 3.28699984e-11 1.68497237e-07
 2.82734097e-11 2.15772511e-10 9.15264753e-09 3.85511981e-07
 7.73066677e-09 4.85605549e-11 6.28126129e-09 4.63802898e-08
 4.52475994e-08 3.02586926e-07 4.85700980e-07 4.63434291e-11
 4.43550016e-06 1.69619927e-08 1.09660730e-01 7.90208429e-02
 8.64714002e-06 8.06437358e-02 2.73135869e-04 4.04179236e-03
 3.21195722e-01 5.35997557e-09 1.01435482e-08 6.11397391e-11
 1.03896769e-09 2.42424719e-10 3.82441314e-08 2.16776897e-07
 6.37674873e-08 4.61386406e-07 2.39200624e-08 2.87105649e-06
 4.72873900e-08 1.10732735e-07 5.80406700e-09 6.35754915e-08
 2.64293498e-09 6.07464230e-08 3.40104123e-09 2.91732842e-08
 9.65764571e-08 4.99117449e-11]


0.40445498


3


[1.04909457e-04 4.33085952e-05 2.42842702e-06 1.00573612e-04
 3.74263776e-09 7.30854405e-11 1.52787016e-09 4.27767100e-06
 1.83878421e-06 1.11904463e-09 9.09904357e-12 2.26754948e-09
 4.34489402e-06 1.02857500e-09 1.02063382e-07 1.75951740e-07
 6.62558534e-07 1.11211875e-07 2.71581886e-08 6.72371982e-07
 1.30351467e-07 2.67946110e-09 1.10967937e-06 2.48423675e-07
 8.81714080e-09 6.97913771e-09 9.88728971e-07 1.06644237e-07
 5.93098663e-02 3.85337183e-03 1.19163909e-04 9.27850485e-01
 4.93782689e-04 5.61540108e-03 1.17905007e-03 1.84327982e-05
 1.38427993e-07 1.38945798e-05 1.29619712e-05 2.32151456e-06
 4.67305908e-05 3.56877507e-07 6.81174672e-09 4.53464145e-06
 1.09328315e-08 2.00318573e-06 6.40448377e-07 3.40726947e-05
 1.00882551e-06 5.07464404e-10 3.48396441e-07 4.14274420e-10
 7.59640841e-07 7.19766149e-08 1.21084042e-07 4.45778345e-11
 1.92802213e-06 2.77553767e-07 5.79913380e-04 4.47224302e-04
 2.86830115e-08 2.26985630e-05 6.98855558e-07 1.15439525e-05
 2.06369059e-05 3.92838845e-10 2.20311458e-09 6.34519992e-10
 5.78872372e-09 2.44803129e-08 5.95867778e-06 3.11885318e-09
 1.95666914e-07 6.27714981e-05 1.34838505e-08 2.13774058e-07
 2.51685060e-06 4.24895234e-07 1.80692669e-10 1.60906584e-05
 3.05711190e-09 2.51071111e-08 1.87065606e-11 8.93225206e-07
 1.85637305e-07 2.15982482e-07]


0.9278505


31


[1.4816623e-06 5.5189889e-06 1.4057558e-08 9.4109994e-01 3.0521063e-05
 4.4278028e-10 9.7793475e-11 8.5016083e-09 4.1766078e-12 1.7919122e-08
 2.9741224e-07 4.2455736e-10 3.8814418e-10 6.5199443e-11 5.8490556e-02
 7.4510997e-10 1.7805575e-11 3.1742297e-07 2.5087616e-08 1.1311757e-08
 2.8485062e-10 5.0523513e-10 1.0621703e-04 6.0773555e-09 1.4715905e-08
 5.7759977e-11 1.2316401e-07 3.9774441e-11 1.7963893e-07 1.5486713e-09
 1.1261715e-10 3.2506295e-09 2.9811219e-11 5.0410830e-07 2.5775618e-10
 2.9927304e-07 8.7837911e-11 4.9858902e-12 5.6391474e-09 1.4085952e-12
 3.4486936e-09 4.7674916e-11 6.9989919e-14 2.1539767e-08 1.1446340e-12
 3.0608283e-12 3.0480567e-09 2.0423521e-09 8.7216923e-10 2.5456053e-13
 1.2109534e-10 5.9846750e-09 2.6507307e-08 8.2041512e-11 4.0569060e-07
 1.3441942e-11 9.3455842e-12 1.7566467e-12 2.4251905e-04 9.9843624e-07
 2.9962481e-09 5.4973361e-06 1.4656151e-09 5.9039508e-07 2.6676167e-07
 3.8835799e-11 1.1809703e-09 1.4178883e-10 3.1714999e-11 1.3071046e-10
 1.3426814e-05 1.1359788e-10 4.0827414e-10 5.3369728e-08 6.0608452e-10
 4.8595641e-08 3.1808189e-10 8.9679077e-11 7.8176271e-10 1.2045247e-09
 3.5325076e-11 1.9605281e-10 5.0871987e-11 1.3918143e-10 2.6625827e-08
 1.0383336e-09]


0.94109994


3


[1.56329250e-07 1.23613154e-06 2.04013251e-08 2.03558593e-05
 4.55652426e-11 6.30682229e-10 1.57833191e-10 9.05514014e-07
 9.70095204e-09 9.41619671e-09 3.27835759e-10 7.62941359e-12
 9.83421167e-09 3.53519125e-09 6.08448727e-06 5.12005371e-09
 2.02729875e-10 2.59081787e-07 1.91096792e-08 4.75438044e-09
 1.86233848e-10 5.02465125e-10 8.40593771e-07 2.35313227e-08
 1.73426375e-08 7.72509889e-10 1.35966220e-05 2.37625735e-11
 1.30295011e-05 3.22753522e-08 1.85270160e-10 9.32849620e-09
 1.43743850e-10 8.93862421e-07 1.20927810e-08 1.37243251e-06
 4.17415408e-11 3.75408510e-10 1.69079617e-09 8.36094874e-11
 3.11997383e-09 2.60062666e-10 1.04176411e-10 1.18179202e-07
 8.19636893e-12 1.31277957e-11 9.76887282e-09 3.23833227e-08
 1.97137173e-09 6.51491708e-11 2.59864352e-10 2.39124098e-09
 9.48111563e-08 8.80209150e-09 8.29250624e-09 4.88938112e-10
 4.08873893e-06 6.39846505e-08 4.67349946e-01 1.72747066e-03
 1.16309293e-05 1.19837976e-04 6.91739915e-05 5.29896140e-01
 7.61336007e-04 1.33285355e-10 1.72817394e-09 2.19239939e-11
 3.80590594e-11 9.94993393e-11 1.73563464e-07 2.73471379e-09
 8.53171844e-09 3.42444196e-07 7.90316423e-11 4.09840908e-08
 5.72332715e-09 7.14806925e-09 1.00691802e-10 1.97912637e-08
 1.59608793e-09 5.01256920e-07 5.44624401e-10 2.23869066e-08
 4.81489426e-09 2.81776380e-09]


0.52989614


58


[3.51971408e-09 2.41418041e-09 1.28315364e-07 2.12403734e-07
 2.03488337e-09 3.54544549e-09 9.15892778e-11 3.01096748e-07
 7.45841859e-08 2.51128096e-08 1.10496205e-06 4.22279267e-10
 1.04449171e-07 3.99412858e-09 4.32824521e-07 5.68553515e-09
 6.29229717e-08 7.32577443e-01 2.74625886e-03 1.85348858e-06
 1.13786705e-08 1.46602474e-06 2.76896603e-08 4.83160818e-08
 4.52639881e-07 3.02945269e-09 1.58890634e-05 3.80323467e-10
 2.96390112e-06 3.10343182e-08 3.03192116e-09 1.77682050e-10
 1.58984215e-10 6.29987471e-06 1.73125176e-08 3.93440018e-07
 2.51677945e-09 2.06299355e-09 4.83945461e-09 8.04859124e-10
 3.55594287e-09 4.02337683e-08 1.22236541e-08 4.58958294e-09
 8.60298222e-11 1.30634240e-10 9.12698805e-09 5.59966686e-08
 7.60220189e-08 3.63758856e-10 1.87435067e-09 2.23357937e-08
 3.27887797e-08 1.30555600e-09 1.36251623e-08 3.26292393e-09
 4.49482497e-04 2.67859335e-08 9.35446806e-05 5.39798930e-05
 1.95937580e-04 1.64314570e-05 2.81334610e-06 2.63304919e-01
 5.26242249e-04 2.41860150e-08 6.57114008e-09 5.75698378e-11
 1.14723324e-08 3.84859655e-09 3.38711210e-08 1.94777261e-08
 6.22725125e-08 5.50985568e-08 6.38571362e-10 1.38735565e-08
 9.81298931e-10 8.90442706e-08 1.53375562e-10 1.27463196e-09
 8.45271675e-09 4.12805363e-08 1.11786480e-09 1.00136930e-07
 5.62306326e-08 9.18268626e-08]


0.73257744


63


[5.4747256e-09 3.9106496e-08 5.7756671e-11 1.5193200e-07 7.7008669e-12
 6.2138722e-13 2.0444233e-11 1.9117756e-07 9.8291821e-07 3.2703440e-08
 6.7529055e-10 2.9349920e-08 8.6385364e-07 7.4723616e-10 1.7770849e-07
 1.5691993e-09 1.6676782e-10 2.3932205e-07 4.5037666e-08 1.5219598e-08
 1.3052659e-10 1.2209008e-09 8.4933083e-09 1.9450132e-08 5.7175695e-09
 3.1061351e-09 1.3640316e-04 4.4187028e-12 3.2871673e-04 1.3487406e-06
 1.6334264e-11 7.3726159e-07 1.9756492e-09 3.2412203e-08 4.1634127e-08
 1.4841502e-09 2.9213951e-10 1.0129300e-11 1.2649551e-10 8.5395663e-10
 5.0330927e-11 1.6683942e-10 7.2876826e-12 3.4362294e-10 2.2257402e-12
 9.4826534e-13 1.7120783e-10 8.0714209e-09 2.1670403e-11 4.9645951e-12
 6.4645828e-10 1.0700776e-11 3.4379322e-11 1.5040579e-10 1.1615439e-07
 2.6654506e-10 8.1618819e-06 1.0249773e-08 6.7930087e-04 4.4680188e-08
 4.5754764e-06 9.9758542e-01 5.8794959e-04 5.2843319e-04 1.3532929e-04
 4.9261256e-10 3.2203298e-12 1.1419843e-12 4.8120941e-10 2.2754798e-10
 3.0853139e-10 2.0730031e-09 6.9811529e-10 1.0498764e-08 1.9876183e-10
 2.8076086e-10 3.3110756e-10 5.5470124e-08 1.3883879e-11 4.3451287e-09
 5.1340848e-11 2.3648997e-08 1.0581293e-11 3.5520451e-08 4.3772542e-07
 1.4968509e-11]


0.9975854


61


[3.59124530e-09 2.38364155e-08 2.34134392e-12 2.62796118e-10
 2.69426885e-12 4.91975991e-12 1.04275497e-12 4.15142365e-10
 1.02108416e-07 2.23451591e-10 1.15829790e-08 1.74343366e-08
 1.50165465e-06 5.17126231e-10 1.26630721e-06 2.46200161e-11
 1.14021607e-12 1.78568305e-09 7.29777350e-09 4.36044267e-09
 1.26102134e-12 1.26816569e-12 2.79412271e-10 6.79576262e-09
 5.89191695e-10 9.69468942e-07 1.15926602e-08 3.54724171e-12
 1.49981840e-08 3.36920464e-10 3.40096400e-14 4.02013867e-10
 4.93840746e-10 2.18698636e-11 2.21198683e-13 8.53735763e-11
 1.47812676e-12 2.66498195e-13 8.85374619e-13 4.82044786e-11
 7.47656440e-13 1.28393704e-12 9.47370979e-14 8.50166812e-12
 4.83942406e-15 2.96416774e-14 5.07041371e-12 1.57445827e-11
 5.88288776e-14 1.44468747e-12 3.13384839e-11 4.16917155e-15
 4.91727362e-12 7.95415911e-14 1.48259812e-06 1.59237720e-10
 3.18900323e-11 1.45420256e-13 4.28932134e-09 9.16642196e-13
 5.34250812e-12 1.08371676e-08 5.38631639e-10 4.26254393e-10
 2.46231611e-11 8.10681123e-12 2.70598630e-15 7.31149218e-14
 6.74515348e-13 3.31625179e-12 2.82530808e-13 8.61365979e-11
 3.59596250e-12 4.50295264e-13 3.53580392e-13 2.71304870e-13
 1.42969512e-13 2.60608072e-12 5.69087048e-15 1.12369385e-11
 4.37517547e-15 2.02747506e-11 6.55637992e-14 8.73301171e-12
 9.99994516e-01 2.44819971e-16]


0.9999945


84


[6.1033879e-06 5.7426319e-06 5.6068572e-09 9.9974793e-01 8.5426177e-10
 3.3469362e-08 9.6594888e-10 2.1724466e-11 3.5010575e-07 2.3370774e-08
 3.4202454e-09 1.6831393e-10 1.5636401e-09 2.8739088e-08 2.8282970e-05
 1.7608391e-10 4.0699786e-09 1.6336316e-09 3.3901872e-09 3.9556927e-08
 6.9221145e-10 1.3626463e-08 1.7486842e-07 4.0246877e-09 1.3783721e-08
 6.7282385e-06 3.3563335e-06 2.3504235e-10 5.0095361e-05 2.7706207e-07
 2.4229000e-12 5.0759013e-07 3.0758514e-09 3.0087486e-07 7.5925144e-10
 5.9135019e-08 5.0784276e-11 1.3238481e-10 4.1528907e-08 9.5958005e-11
 4.0076897e-09 1.6572312e-10 1.0960395e-11 1.4212505e-06 3.2758258e-13
 1.9664159e-10 3.4101424e-09 2.2192801e-09 1.0806334e-10 6.1356896e-12
 2.2948934e-11 3.2508585e-10 3.8734012e-08 4.2349161e-06 2.0414185e-05
 1.3339195e-08 1.3131055e-09 1.8908608e-13 2.5194370e-06 5.7031744e-09
 3.4144332e-08 5.6648129e-05 9.8529100e-08 6.3775209e-05 1.4379359e-07
 9.8218456e-10 4.9393190e-10 8.0654580e-12 4.6275654e-09 6.7533180e-11
 1.0246156e-09 1.1007406e-11 1.0997513e-09 2.4415889e-10 9.7019770e-10
 5.7525331e-09 7.2207101e-11 3.1923579e-09 2.2915517e-11 7.2880903e-12
 5.4262411e-13 3.4545644e-11 2.0446915e-09 6.5378137e-12 4.8887279e-07
 5.0040037e-12]


0.99974793


3


[1.0160902e-06 5.1572755e-07 3.5008349e-10 2.5162711e-07 1.4686392e-09
 1.5172753e-12 5.1250133e-11 2.6734103e-08 3.3686445e-06 8.8569520e-11
 1.1119659e-11 5.4462362e-10 6.3813687e-08 3.6507988e-10 7.8982456e-09
 3.8261230e-09 2.9519883e-06 1.1018847e-07 8.6641379e-08 5.2244886e-08
 1.4723508e-08 1.3847207e-09 1.6728681e-09 6.0501959e-09 3.0614911e-09
 9.8927231e-09 5.8889566e-07 3.0714943e-08 6.6630445e-02 1.7783077e-02
 8.9506898e-03 3.9697543e-02 1.7718200e-01 1.8396456e-04 6.8954688e-01
 2.6802395e-06 4.2827445e-08 4.4954877e-06 8.1421979e-07 1.3596529e-06
 3.7898769e-07 1.3997466e-07 7.1358652e-09 1.0966895e-06 8.9823446e-09
 3.6125442e-07 3.4116113e-08 4.3876386e-07 9.6517319e-09 8.5684498e-12
 7.0576357e-07 1.6044277e-12 9.1141246e-09 2.0343549e-08 3.0635621e-07
 1.7279716e-11 6.2658245e-08 1.1142004e-09 2.0920028e-07 1.3762167e-08
 4.0415404e-08 1.9966801e-06 4.7305426e-07 5.5769100e-10 1.1063408e-07
 2.6145083e-10 7.5316619e-12 6.1005499e-11 2.7884964e-10 1.1226952e-09
 1.3389622e-07 8.7441866e-11 4.2152912e-09 2.1909528e-08 3.1414160e-10
 9.2086672e-11 5.6294216e-08 5.7003851e-09 2.7778344e-12 9.0649230e-09
 2.0907422e-11 3.8023122e-09 1.3608606e-12 7.5188700e-09 1.8517123e-07
 3.8745149e-11]


0.6895469


34


[5.83043374e-08 6.14571576e-08 1.68982675e-10 9.99946237e-01
 1.36338452e-08 9.99822863e-11 8.45037096e-11 3.59998523e-14
 6.70858993e-11 2.89535635e-11 1.08603466e-10 3.52977305e-12
 1.17058030e-10 6.14192169e-11 2.11140468e-05 1.47054521e-11
 9.48509188e-11 8.38958486e-11 3.10661358e-11 3.21461102e-09
 8.83728438e-11 1.94246508e-10 3.03725810e-05 1.38218614e-09
 1.60884750e-09 9.37843206e-11 4.56336169e-09 5.52063495e-13
 3.74214721e-08 3.68918257e-10 5.14320472e-14 1.67943784e-11
 2.14419819e-11 8.36655398e-12 1.29507238e-09 2.36688558e-09
 1.56868407e-11 1.23553153e-12 3.86019423e-07 1.20422186e-13
 6.51440568e-10 2.10665860e-12 9.09198559e-15 1.44655832e-09
 4.36854363e-15 2.38872236e-13 2.37069635e-11 5.46671649e-12
 2.67164372e-12 1.30064891e-14 1.90440957e-12 6.18350510e-12
 8.64651462e-10 2.01811123e-10 2.54061774e-07 8.29888729e-14
 1.49807094e-15 1.11219365e-15 9.71397984e-09 1.18295918e-09
 3.70535991e-10 2.21841887e-07 1.66019240e-10 4.61052203e-11
 5.08514963e-09 1.80924747e-10 1.94908978e-10 4.80474558e-12
 5.28662461e-11 6.56256716e-11 1.28327679e-06 3.48819897e-11
 8.25781110e-12 6.66486935e-11 2.00256270e-10 2.83719076e-10
 5.82058013e-11 1.59949087e-09 3.62501591e-11 7.67012701e-13
 6.86345173e-14 9.79180929e-13 1.69454881e-10 5.20237980e-15
 4.67381556e-09 1.31225588e-14]


0.99994624


3


[3.85228809e-08 8.71437820e-08 1.10237340e-12 1.93035518e-07
 1.47614421e-11 2.60190768e-13 2.31573233e-11 6.57074439e-09
 2.12999339e-06 2.17227084e-10 3.80978547e-14 2.96217451e-13
 7.42412312e-11 6.06718126e-13 9.38050526e-09 3.87320427e-12
 3.21862559e-09 1.71319192e-09 1.76220194e-09 1.07173710e-08
 2.00217360e-11 3.44309442e-11 3.03295300e-09 2.87891244e-09
 4.98600550e-10 2.93169738e-10 6.10892954e-08 1.47524560e-12
 4.32644867e-07 9.99483585e-01 3.47111818e-11 2.84843082e-08
 1.11484958e-07 5.73678570e-11 9.45869688e-05 5.11065110e-08
 5.46121030e-11 1.28551736e-09 4.09385192e-09 3.55586427e-09
 3.67742681e-09 2.07796402e-11 7.34472108e-13 1.01874886e-09
 1.70265429e-12 3.66609000e-12 8.13425889e-12 4.02681755e-09
 2.96109838e-11 4.14921495e-14 1.06243925e-09 5.75108808e-13
 1.19968705e-11 4.78281685e-11 1.01444861e-08 7.11876033e-13
 1.08059350e-09 2.05058453e-11 1.00130748e-08 1.39690258e-06
 5.31881987e-08 1.60238619e-06 4.59604053e-06 3.29281546e-10
 4.11037734e-04 7.99579014e-11 5.93150390e-11 2.15799644e-12
 1.84966861e-10 1.07136294e-12 1.98202538e-10 6.01544925e-11
 5.26008978e-13 3.34218409e-09 1.71280143e-11 2.61435079e-12
 8.82584494e-09 8.86340945e-10 1.88766239e-13 5.04228499e-11
 1.07010023e-13 1.91466079e-11 7.24981273e-13 6.11971931e-11
 7.51064100e-09 7.73157952e-15]


0.9994836


29


[4.98805719e-07 1.98589646e-06 8.52539372e-08 1.37296709e-07
 2.95927172e-09 1.19310239e-09 4.26473576e-08 4.86865417e-07
 1.38924406e-05 2.22066703e-08 2.63202082e-09 1.00809444e-07
 1.58604162e-05 3.67214511e-07 4.51208267e-04 2.21906760e-07
 5.91788967e-06 1.83851141e-02 2.18370417e-03 7.18409065e-05
 3.19305713e-07 2.23651591e-06 7.92171818e-07 1.51980203e-06
 9.62493345e-07 5.85150985e-08 3.25423724e-04 1.66849545e-09
 2.77367644e-02 1.01022783e-03 4.07240577e-06 6.43197336e-06
 5.50919503e-05 8.37475397e-07 3.54154557e-01 1.91957974e-06
 8.39312747e-07 9.70592964e-07 2.63846596e-06 1.74367005e-06
 8.47774118e-07 2.02940214e-07 1.02180309e-07 7.70876767e-08
 5.75612802e-08 7.57213527e-08 8.17498531e-08 1.52741649e-07
 8.14821846e-08 1.99104777e-09 2.79381794e-07 9.14376908e-10
 9.92349953e-08 1.02506981e-07 1.88930855e-07 4.43287149e-07
 2.95470236e-04 1.71607311e-07 2.11610715e-03 7.82450952e-05
 4.44178432e-01 2.59800218e-02 4.31217998e-02 2.12160921e-05
 7.96798840e-02 3.46042407e-06 5.05793487e-08 4.34788809e-08
 6.42919531e-06 2.64434163e-07 6.35420583e-05 3.32592350e-07
 4.30516508e-07 4.29997681e-06 1.06005359e-07 3.99124900e-07
 2.75235243e-06 1.10205917e-06 3.14574713e-08 2.53059011e-06
 1.52779677e-07 2.44070918e-07 1.35313396e-08 3.80996568e-07
 5.20053845e-07 9.36902467e-09]


0.44417843


60


[8.69967778e-08 7.75679437e-05 4.53758586e-09 2.87168791e-06
 5.60925698e-12 1.21895029e-12 1.67403365e-11 2.08371446e-07
 1.62543628e-07 1.24065369e-09 1.04130428e-11 2.08227107e-08
 4.18973691e-08 1.17765564e-09 4.37906652e-04 4.75324775e-08
 2.59447241e-10 7.66394578e-07 4.18246327e-06 2.83311351e-07
 2.79167689e-10 2.38691578e-09 2.03555018e-07 7.51746398e-08
 9.67642588e-09 9.13963460e-10 3.59611477e-07 4.22708526e-12
 1.42330955e-05 5.96697722e-03 2.90922126e-13 2.91274738e-09
 1.22386821e-08 1.87061026e-11 1.83104403e-05 1.32193401e-09
 2.77591927e-09 2.10226506e-11 1.16680299e-09 7.11662451e-10
 2.36187486e-10 8.53857176e-12 1.08047815e-12 9.34207378e-10
 1.81108676e-12 3.26132741e-12 2.06942102e-10 2.78946283e-10
 1.46191254e-11 7.70752602e-13 5.30036071e-10 7.20379865e-13
 2.79858636e-10 6.76765588e-12 2.89290966e-07 1.14744707e-10
 4.55489548e-08 3.52061631e-12 2.51064019e-04 5.13234738e-07
 1.30999718e-08 9.92821872e-01 3.89692548e-04 7.83499104e-07
 1.10117917e-05 7.41347250e-09 5.65738211e-12 3.41603633e-12
 8.73808359e-10 4.01773032e-10 5.77149306e-09 1.25391475e-08
 9.61670121e-09 8.05628204e-08 1.93059546e-09 2.60182764e-09
 5.02631048e-09 9.90062521e-09 8.71647338e-11 3.03245606e-08
 3.41205918e-11 1.92390992e-08 9.89186288e-10 1.40568531e-07
 4.83159148e-08 3.39276099e-14]


0.9928219


61


[3.5396124e-09 9.9998569e-01 6.2462466e-11 9.4714645e-09 7.8183852e-14
 6.2755905e-14 1.2297403e-12 1.7654976e-08 2.4225993e-11 7.4980702e-11
 5.8579565e-14 8.0357871e-08 3.5564700e-09 9.8049986e-13 1.3934102e-05
 7.7203235e-12 3.5513076e-15 2.2471536e-12 4.8492411e-11 2.5276260e-13
 3.0735427e-14 1.1306107e-15 8.3492518e-12 2.5617132e-12 1.1485592e-12
 1.0550061e-10 4.1191313e-12 7.5491566e-15 1.9698271e-10 8.3719925e-08
 4.8382005e-15 1.3599079e-13 7.1971241e-11 7.4775323e-15 1.0682019e-10
 7.8954763e-13 7.3351069e-13 1.3113769e-14 9.8477629e-14 1.1359421e-13
 6.1550428e-14 4.4641123e-14 1.1880425e-15 2.1997549e-12 8.4080401e-17
 1.5844283e-14 9.8126266e-14 2.9521799e-14 3.6089114e-15 3.5506708e-15
 3.5364471e-13 1.2296422e-15 2.2743699e-13 1.9312601e-13 1.2134023e-09
 8.5174715e-11 2.8840899e-14 3.1205151e-14 1.5139537e-09 5.8636554e-11
 8.3961977e-13 2.4915354e-09 1.3929469e-08 7.0333231e-12 8.6457293e-11
 3.9885079e-13 3.3104100e-15 2.0659138e-13 5.5346617e-14 9.5771904e-13
 4.4400347e-12 3.4166600e-11 5.4044776e-12 1.0210536e-11 2.1011775e-14
 1.8849023e-11 1.6693289e-11 8.4411265e-13 3.2702453e-15 9.9130960e-11
 6.2311428e-16 6.0366330e-12 9.1180431e-12 6.6864897e-10 1.0379701e-07
 2.9986412e-18]


0.9999857


1


[2.65619462e-07 2.67070078e-07 2.24925661e-10 9.98304725e-01
 1.69497516e-09 2.51218921e-08 2.35483832e-09 6.17662865e-12
 3.53075222e-07 3.91738413e-11 2.91516589e-10 7.52845009e-11
 1.49471376e-07 4.86112192e-11 2.63103601e-07 1.05718698e-11
 3.11509762e-10 2.25035213e-09 1.36478262e-09 2.27490338e-09
 1.31833627e-10 4.90994051e-11 7.20686018e-08 1.34049050e-09
 2.29549380e-09 5.80809001e-07 1.95889683e-07 7.46902262e-11
 3.84637211e-08 3.80403253e-05 6.29480426e-11 1.03124620e-08
 1.41061633e-07 1.50304591e-09 6.60590782e-09 2.37886510e-08
 1.79791390e-11 4.29894349e-11 6.56686652e-08 1.03169966e-10
 4.33293117e-08 2.23157115e-09 1.06712408e-11 1.69399584e-07
 1.55864227e-13 6.00187192e-11 1.65999259e-09 1.78510529e-09
 7.01854547e-11 9.72344492e-13 2.99378383e-10 2.41932196e-10
 3.91576158e-08 8.04874816e-08 6.16086027e-07 5.11096460e-12
 1.58719970e-09 1.12720649e-11 1.85947059e-07 1.49676495e-07
 6.39816733e-07 3.48238700e-07 1.58656901e-03 2.14912052e-05
 4.42073288e-05 5.63793526e-11 1.09269382e-09 1.54846257e-11
 2.47051851e-10 1.97756950e-11 1.07663933e-10 3.77467890e-10
 3.14910126e-10 4.11279982e-10 3.04717784e-09 1.70274872e-09
 2.16536455e-09 1.69885814e-10 2.40706455e-10 3.04959502e-10
 4.10459817e-12 3.74129686e-11 7.92746202e-10 1.98393462e-08
 2.68711290e-07 6.93349864e-14]


0.9983047


3


[1.44693161e-06 1.11037480e-06 1.35003703e-10 2.55957701e-07
 2.25634608e-10 1.37475773e-12 5.48636241e-11 4.03123899e-08
 5.48256303e-08 2.53850153e-12 6.83107847e-15 1.73431958e-09
 2.85263302e-09 2.17527628e-11 5.54001778e-09 3.14383319e-09
 4.36869897e-07 6.54910295e-08 2.35589912e-08 7.71318298e-08
 2.88895197e-09 2.64550382e-10 1.92975724e-09 7.43077211e-10
 3.47504220e-10 3.45761642e-09 8.06312812e-08 1.11056153e-09
 9.65672433e-01 1.94384612e-03 5.45041682e-03 2.27209348e-02
 2.70596868e-03 3.07388837e-04 1.19009276e-03 1.83070995e-07
 1.52127932e-09 2.31026161e-06 7.27025693e-08 1.74700716e-07
 3.88747310e-07 1.14218430e-08 1.75662734e-10 2.04415631e-08
 6.74642731e-10 3.82988468e-08 2.01050710e-07 7.42790007e-07
 3.51739686e-08 5.41227436e-12 1.98699013e-08 1.11285211e-12
 1.24371846e-08 2.24447461e-09 8.75322712e-08 9.05091366e-12
 3.65014596e-09 1.42299517e-09 1.12878972e-07 5.81851589e-09
 1.77070476e-07 7.33625249e-09 9.14487970e-08 3.90795951e-10
 4.79401265e-08 9.83331645e-12 1.07495235e-10 6.75475439e-11
 5.04377928e-10 1.61119806e-09 2.31763178e-08 2.64827549e-10
 5.93871841e-10 1.65666009e-07 2.54215760e-10 4.82727858e-10
 1.16084458e-07 7.48865248e-10 5.05537105e-12 1.16579038e-07
 1.04790976e-11 3.40875189e-10 3.76965007e-13 2.57849244e-08
 4.78373474e-09 2.31604333e-10]


0.96567243


28


[2.09524828e-07 1.33296369e-08 3.66036490e-09 2.86253970e-02
 2.19774643e-06 1.80918974e-10 1.20066942e-10 6.16366125e-10
 3.57861379e-10 8.35132033e-11 5.27274535e-09 5.90746729e-10
 2.12001076e-11 9.10252290e-11 2.05307268e-03 7.77383402e-09
 3.79867116e-09 7.03430487e-06 1.64150947e-07 1.43427030e-07
 7.64859731e-09 9.24956289e-09 9.68896925e-01 3.22709077e-08
 8.34564418e-09 3.69247188e-10 3.08007969e-07 2.91307256e-11
 5.54726887e-09 4.36538583e-09 4.14676959e-10 6.15893185e-08
 1.11262610e-09 6.89905466e-09 1.88705007e-09 1.32179679e-07
 3.06014970e-11 2.67327382e-10 2.53653596e-08 8.09224632e-11
 7.56406049e-09 4.14861097e-11 6.07083719e-13 2.23548319e-10
 1.03606967e-12 4.95098320e-12 2.67284150e-09 2.70287472e-08
 4.37717279e-10 1.99710623e-13 6.89767965e-11 8.47582681e-12
 1.26780533e-08 6.66714808e-11 4.30146443e-08 1.49359258e-11
 6.20879910e-12 6.74106604e-12 2.24574455e-06 2.24479155e-08
 6.14396933e-09 2.73164314e-05 3.05223793e-08 1.88864348e-07
 1.09393795e-07 6.52697965e-11 8.87436902e-10 6.36591257e-12
 1.82720561e-10 1.88004812e-09 3.84248939e-04 9.94907282e-12
 5.43594780e-10 4.71660666e-09 4.40699788e-09 2.71519029e-10
 1.49808488e-09 7.73267395e-10 1.74192785e-08 6.09236384e-10
 1.39120443e-11 8.05086414e-11 8.05504205e-11 4.90497643e-11
 1.26444008e-10 2.03123046e-10]


0.9688969


22


[6.36772313e-07 1.76358037e-06 5.42174107e-13 9.98202682e-01
 3.26790826e-08 8.07777134e-09 3.02844611e-10 1.18550048e-09
 1.23075719e-08 1.68830394e-09 3.70631064e-08 6.32583070e-13
 9.44430732e-12 1.03895894e-11 1.74744579e-03 7.40793277e-12
 2.34543024e-10 2.63289812e-09 5.64226721e-10 1.17690757e-09
 2.56137420e-11 9.05638481e-11 7.15182568e-06 5.86403148e-10
 6.21739815e-09 1.61163403e-08 1.47543403e-07 1.83304630e-12
 3.68157380e-08 1.71020687e-09 1.30644595e-12 1.13220143e-12
 1.40107757e-08 3.03040926e-11 3.40031198e-11 3.42546377e-06
 1.57040856e-11 1.23756057e-11 3.22973150e-08 2.31132249e-11
 1.89786364e-09 1.69260994e-11 6.92215707e-13 1.45056260e-08
 2.76657820e-13 1.74779531e-11 1.86938007e-10 1.06822817e-08
 1.04285088e-10 2.25743835e-13 2.86932414e-12 9.04027395e-13
 2.88636093e-09 1.97194594e-09 3.13703936e-06 9.78353162e-11
 1.14513295e-11 1.77360568e-12 5.87667557e-07 1.90234406e-08
 9.15796818e-07 1.93363974e-08 3.15601465e-05 7.13014856e-08
 1.26317715e-07 1.25664729e-10 4.43345860e-10 1.22836040e-12
 1.01233626e-10 3.51156170e-12 5.32811395e-09 4.32203301e-11
 2.12496631e-10 3.34311773e-10 1.06931008e-09 5.08596949e-11
 3.51625701e-10 1.50974955e-10 3.96458699e-10 2.91507790e-11
 2.15200644e-12 1.25473618e-10 2.21074062e-10 9.74401324e-11
 5.19969456e-10 2.62504536e-13]


0.9982027


3


[4.85109908e-09 1.68304126e-08 3.40581072e-14 3.07798786e-07
 2.87123450e-12 2.03335647e-11 1.48095407e-11 1.15271463e-08
 1.26242682e-07 1.08694227e-10 1.00031008e-12 1.73328019e-12
 1.30034636e-10 2.55278394e-12 1.78993431e-09 7.46670174e-12
 1.10926435e-10 2.80557870e-08 8.91067428e-11 8.04438252e-11
 1.19416076e-12 5.45271781e-13 2.38218334e-10 2.22992902e-10
 7.63552555e-11 4.30857738e-10 4.36853433e-08 1.36590381e-12
 9.83670452e-06 4.39531323e-06 6.90359853e-11 4.26351489e-11
 5.44342720e-06 3.25977439e-10 1.38520342e-08 5.66098564e-08
 3.66402525e-12 1.03187153e-10 2.43746134e-10 1.23678012e-10
 1.82742418e-10 5.35829471e-11 1.13915363e-10 6.17839502e-10
 2.86024763e-12 1.51220408e-11 2.70089038e-11 4.90403163e-10
 1.37680388e-11 8.67368948e-13 3.22141445e-11 5.14181186e-14
 1.28735841e-10 7.95817232e-11 4.40297088e-09 3.21973920e-10
 2.41489658e-07 4.61238727e-07 4.56359885e-06 2.11825864e-08
 7.37862661e-04 2.78012010e-07 9.99179780e-01 1.73666069e-06
 5.46275951e-05 1.01292530e-10 4.60377514e-10 9.12138420e-13
 2.15081022e-10 2.75742862e-12 1.71838585e-11 1.14516618e-10
 1.58461383e-10 1.54800658e-10 1.37006698e-10 5.26234611e-12
 1.16919460e-10 1.67244529e-09 1.25898022e-12 2.55625434e-11
 1.43081970e-11 9.37168659e-12 2.21769001e-12 6.29951113e-09
 3.54523438e-10 9.21909164e-12]


0.9991798


62


[4.4068976e-08 1.0009116e-08 2.5029259e-09 1.3672819e-06 2.2929562e-10
 2.8128755e-09 5.1979798e-10 5.7959738e-08 1.3948257e-07 4.4325139e-09
 2.1275102e-09 2.0187323e-09 3.5631828e-08 3.7442520e-09 1.7005223e-05
 1.1821345e-08 5.1277549e-08 1.9280674e-03 9.3804309e-05 4.4235844e-06
 2.2310461e-08 7.2956027e-08 2.4331863e-08 2.2680611e-08 1.3074657e-08
 1.7128249e-09 6.5257182e-06 5.4059587e-11 4.8597085e-05 7.3988545e-06
 4.2280983e-09 5.0153917e-09 2.4706066e-09 3.6163084e-07 3.1842399e-07
 1.8859495e-06 3.6620396e-09 2.6364123e-08 6.2209004e-08 1.0038081e-08
 4.9609742e-08 2.8601435e-09 1.2818829e-09 2.3836224e-08 3.7802442e-10
 1.7074462e-09 6.9314599e-09 4.7382930e-08 2.0552735e-08 4.6537810e-10
 1.3461258e-09 2.3850878e-11 2.1033507e-08 1.4153283e-09 1.2973454e-08
 3.9300429e-07 9.1892671e-06 1.6248529e-09 1.4271127e-04 8.9906240e-07
 9.6859545e-01 1.5862284e-03 6.5053726e-05 2.7426345e-02 6.2217288e-05
 5.8569700e-09 8.2839534e-08 2.0950686e-10 2.3378834e-07 1.6609314e-09
 3.2515132e-08 8.6778780e-09 5.6846146e-09 2.7588092e-07 1.9167487e-08
 2.9311785e-08 1.6577674e-08 1.1595912e-07 9.4812496e-09 4.3984394e-09
 1.6821783e-08 1.8071552e-09 1.3630486e-09 3.7797289e-08 6.4018764e-09
 3.4094534e-09]


0.96859545


60


[3.8769951e-08 3.6276308e-08 3.5595070e-13 8.7874774e-09 3.3521025e-10
 9.1034257e-11 2.3633866e-12 2.2859172e-07 2.2554245e-06 5.7882778e-11
 1.9318477e-13 1.3684764e-11 4.5232785e-08 5.7514656e-11 1.7412479e-07
 4.2375675e-10 5.7123506e-10 1.4421478e-06 3.1948705e-08 2.1062088e-09
 5.5564203e-12 1.5901757e-11 4.6086954e-11 1.1822147e-10 2.6201567e-11
 7.4396644e-09 3.2903038e-06 3.7528002e-11 9.9463391e-01 7.0737298e-07
 5.4647181e-08 3.1287527e-08 4.6294132e-05 1.1339086e-09 1.9785020e-05
 3.5227664e-08 5.6874766e-10 5.9653980e-09 3.6594712e-09 5.3217377e-09
 1.0574112e-09 6.9237144e-10 5.6678756e-10 3.9173775e-09 1.4156655e-10
 9.5786934e-10 3.4255004e-10 6.9312103e-09 6.0820848e-11 2.1870025e-11
 4.4467665e-09 3.1635413e-14 8.6345812e-11 4.2610210e-11 3.5583636e-07
 2.5638400e-10 3.4189330e-07 1.2985044e-08 1.1428818e-05 1.0449385e-09
 6.4628184e-05 6.7246066e-07 5.1308488e-03 1.6756175e-08 8.3011138e-05
 4.3012471e-10 1.6579202e-11 6.6595156e-13 4.5102738e-10 3.0356327e-12
 6.8767270e-11 3.0307648e-10 5.6575313e-09 8.9790673e-09 2.7334654e-10
 2.5711955e-10 6.6484397e-08 1.0775785e-08 1.0349957e-11 4.9832782e-09
 7.9974957e-11 1.3027202e-10 5.0765967e-12 5.1857072e-08 8.1625899e-08
 3.8857893e-12]


0.9946339


28


[2.0799478e-08 3.2863670e-07 1.9725630e-12 1.1102236e-09 6.3870458e-12
 2.2329152e-11 4.6659399e-13 4.1845030e-12 1.9393125e-08 8.5895310e-12
 2.0968388e-10 1.6474050e-09 1.4452102e-06 3.8808613e-12 5.5465244e-07
 9.9117719e-12 3.5990110e-13 6.5941619e-10 2.2005731e-09 1.1563709e-10
 1.0919030e-12 1.2639767e-13 5.9640674e-11 1.0084796e-10 1.4474003e-12
 1.2563325e-07 1.7228974e-08 1.1712778e-12 6.4019106e-09 7.9555373e-13
 1.5912986e-13 1.8600627e-12 2.5268546e-10 2.3492519e-11 5.2415698e-12
 6.8907047e-11 4.0688441e-13 2.3597816e-12 1.1732169e-11 4.6766072e-12
 3.7678506e-12 2.1949933e-13 2.9151669e-14 3.4631180e-12 1.9801818e-15
 1.2918032e-13 6.5845121e-13 8.8341048e-13 3.0962868e-13 1.2013935e-12
 2.9206019e-12 1.3968134e-15 4.3829714e-12 2.6311362e-12 5.7794018e-06
 5.2105942e-10 5.2359762e-11 5.7808563e-12 6.2316839e-11 1.4901952e-13
 1.4512518e-11 2.1631416e-12 1.2793336e-11 1.3169056e-12 3.2544809e-10
 6.7678970e-12 1.7888097e-14 1.2066490e-14 8.3049382e-13 6.2846664e-12
 3.8958658e-15 2.5989766e-11 2.0395116e-12 1.2157638e-12 2.4990285e-12
 2.2118207e-13 1.1225506e-12 4.4331734e-12 4.6338564e-15 7.4792290e-12
 1.2597336e-13 4.3713809e-13 9.9324838e-14 1.9785701e-11 9.9999177e-01
 6.0609315e-16]


0.9999918


84


[2.06383265e-06 2.78670029e-07 1.81059612e-11 9.99995708e-01
 3.10797048e-11 1.33960698e-09 5.96975594e-12 2.25733645e-15
 3.46775053e-09 1.15670364e-11 4.98553496e-14 3.45313052e-13
 1.13798505e-10 4.37467033e-12 1.40061152e-09 1.70784708e-12
 2.61045463e-10 3.18391819e-12 9.30304705e-12 2.80676784e-11
 2.86515221e-11 9.95273447e-11 5.63515989e-09 7.78261830e-11
 8.73437173e-12 2.51060256e-10 8.73781744e-07 8.55424564e-13
 5.87648685e-08 7.50042783e-09 1.75346391e-12 3.65349750e-10
 2.90542879e-08 7.97695909e-10 2.92231192e-07 5.86368643e-09
 2.17480808e-12 4.30936146e-12 5.97640737e-09 7.56370932e-13
 1.72224368e-08 1.65063692e-11 2.49995256e-13 7.82998910e-09
 8.27326302e-15 9.44055945e-12 1.11772926e-11 6.68173364e-11
 2.44822673e-12 7.29620425e-14 8.57741287e-13 5.49878199e-11
 6.17711923e-11 1.46989606e-07 1.06935779e-07 3.86363630e-13
 1.22738930e-10 3.90505336e-12 2.53869659e-09 2.01698366e-10
 1.00719333e-07 4.60375276e-08 2.40821777e-07 1.27202093e-09
 1.06574980e-07 4.17919310e-11 1.20657151e-09 6.72105329e-14
 3.18928078e-11 8.98048823e-12 1.26587033e-10 2.39841919e-13
 4.40513355e-11 5.40642114e-11 1.50387547e-09 3.88822100e-11
 1.82131272e-11 1.97862149e-09 1.30343965e-11 2.52786832e-13
 4.15995320e-12 4.48531491e-14 3.34972813e-11 4.22075650e-13
 5.28390443e-10 1.85711872e-14]


0.9999957


3


[3.65598645e-08 6.21509899e-10 3.94117794e-11 1.64543863e-08
 6.83493323e-12 3.32807779e-15 4.09506251e-13 2.31927650e-12
 6.91084807e-08 4.69582496e-14 7.33634757e-17 5.84876819e-13
 1.63256442e-09 6.18200966e-13 3.02572911e-10 1.25742561e-09
 3.43339224e-07 8.12084622e-09 6.29067074e-08 2.24331020e-09
 2.56084642e-09 3.37998018e-10 1.27831912e-09 6.35898312e-09
 1.22596100e-10 4.40632036e-12 2.65356164e-08 1.07306351e-10
 7.05172788e-05 6.19115890e-04 7.91451669e-07 1.63132593e-01
 4.20250726e-04 1.13057595e-05 8.35743666e-01 1.08156080e-07
 9.37708466e-10 3.79028819e-07 1.27219096e-07 1.27264954e-07
 3.59451178e-07 3.45508899e-10 2.62950963e-11 5.45060219e-09
 2.27810146e-10 4.51146315e-10 1.03004616e-09 1.26623092e-07
 2.54058219e-10 2.55213710e-13 8.06160028e-09 5.93766369e-14
 1.25383273e-10 2.51840701e-11 5.64571341e-11 1.03685193e-14
 5.37135947e-10 1.06121958e-10 3.96533861e-10 2.62467076e-10
 1.80839343e-10 3.71489151e-08 1.53395865e-10 6.52808710e-12
 5.35611866e-09 3.30433542e-10 3.61863913e-13 4.23821785e-13
 4.97527852e-11 1.49470453e-11 4.54306948e-09 1.53219315e-13
 2.84039181e-11 1.77786799e-08 4.60666644e-11 4.77668816e-12
 1.87188279e-10 3.25956897e-08 7.47046468e-13 3.24456739e-10
 1.89916659e-11 1.50756577e-11 2.32411865e-14 1.42013110e-10
 2.31264397e-10 5.62197045e-13]


0.83574367


31


[2.9285720e-06 1.8263820e-05 1.7838067e-09 9.9900848e-01 1.1138876e-08
 4.9899959e-11 9.2271486e-12 2.3804632e-13 1.1373903e-11 6.3173289e-10
 1.6317872e-10 1.1809703e-10 2.6945068e-10 3.1983458e-11 4.8268361e-05
 9.9538484e-09 1.1058001e-10 1.7898208e-10 2.9810814e-09 1.1399954e-09
 2.4259141e-09 3.0469405e-10 8.5087970e-04 3.3013738e-09 6.3338212e-10
 1.4806691e-11 1.7873519e-09 9.2264980e-12 1.5511185e-07 3.3404982e-10
 1.6818190e-12 6.8798149e-09 9.7000949e-09 5.5189130e-08 6.8041643e-09
 1.9766642e-09 8.2281751e-12 5.8710963e-13 1.0340139e-09 1.0346382e-11
 6.0733346e-10 4.7183459e-11 8.2480755e-14 3.1163305e-10 5.3658631e-15
 2.4971987e-13 2.2567058e-10 2.0470469e-11 9.0995776e-13 1.3184283e-13
 2.4167720e-11 1.0770053e-11 7.0478257e-10 2.0276088e-08 2.3383571e-08
 5.1773418e-13 1.8131650e-14 5.3773793e-15 2.9955756e-09 2.9450047e-11
 7.2160715e-11 1.1909302e-06 2.3868230e-10 2.0704836e-09 1.0437006e-10
 3.2124567e-11 5.0460726e-11 1.2977315e-12 1.4724820e-11 2.8857983e-10
 6.9693619e-05 2.2798885e-12 8.3926546e-12 2.0422783e-10 2.7896163e-10
 2.8685804e-08 1.5037711e-11 2.7827782e-09 1.1169858e-11 1.6826733e-11
 1.8374545e-11 4.6631241e-12 8.8593982e-10 8.3679542e-13 1.8701702e-08
 5.1620015e-12]


0.9990085


3


[4.87707098e-07 5.57460553e-05 5.00631370e-10 4.69022489e-05
 1.07526442e-13 1.66665488e-12 9.36572608e-12 1.77142900e-09
 1.19028094e-07 9.41172651e-09 3.23464366e-14 3.91132987e-10
 4.30634088e-07 3.34884342e-11 3.86901853e-08 3.11997428e-09
 1.55801108e-10 1.91560344e-11 1.54813573e-09 1.35185418e-09
 6.21836888e-11 3.66386921e-11 2.97827563e-09 6.07316819e-09
 2.49774257e-10 2.04872883e-10 1.51942561e-06 5.21389572e-12
 8.27668759e-04 2.22232891e-04 2.67493471e-12 5.25432588e-05
 2.73792922e-09 3.93679284e-06 1.20630307e-06 7.77362885e-09
 5.87424206e-11 6.45880849e-11 2.45954501e-09 1.68021319e-09
 6.15085149e-10 5.26415057e-11 4.60921318e-12 1.88925497e-09
 4.73888073e-13 7.97717187e-12 1.57453228e-09 8.30846503e-09
 3.31339053e-11 1.24717446e-12 1.93510791e-10 2.33331202e-11
 7.39484099e-11 1.87907676e-06 1.23945987e-09 3.39028354e-11
 4.51376792e-07 9.62671678e-11 1.83425129e-06 1.53138195e-08
 3.19297271e-07 9.98222530e-01 9.96927156e-06 5.49226592e-04
 4.79130961e-07 4.90152450e-12 5.48360793e-12 4.04025988e-12
 2.81953710e-10 3.35051903e-10 5.44526157e-09 5.87184801e-10
 1.95469734e-11 1.59911863e-07 3.01505869e-11 4.07832985e-08
 4.79259343e-09 3.56194860e-08 5.01333419e-11 1.38228549e-08
 7.62492361e-11 1.53690642e-08 2.33023223e-09 5.20409991e-08
 6.46830767e-09 7.59340021e-11]


0.99822253


61


[7.11972291e-07 1.02903044e-07 5.37143219e-10 6.65455104e-07
 2.06045056e-10 4.65081573e-09 1.90096672e-09 2.48625742e-08
 1.47341225e-07 2.81262764e-08 1.78261045e-10 1.56674830e-07
 6.51836388e-07 1.44460310e-08 1.31008028e-05 2.41176359e-08
 8.13300645e-08 3.80493933e-04 4.86401422e-03 8.31616546e-07
 3.40441431e-09 2.45950361e-07 7.50912932e-08 5.46208589e-08
 1.81215238e-08 3.39340787e-08 6.22767743e-07 7.38196670e-10
 5.98763407e-04 1.33706713e-02 1.81398796e-09 2.67952629e-08
 1.51105792e-06 7.34558398e-06 1.60297986e-06 7.28146176e-07
 4.75550488e-10 5.91643934e-09 2.97877678e-09 1.86725572e-07
 8.24109048e-09 5.63423477e-08 1.52524642e-08 1.30155522e-08
 1.75119264e-09 3.22811355e-09 1.88609619e-07 7.29951699e-09
 7.01413549e-09 5.09537690e-10 2.47662122e-08 2.42014769e-10
 1.81368094e-08 5.49530288e-09 3.19849119e-10 2.42082564e-07
 1.05778374e-04 6.77632613e-07 8.08831828e-07 4.99818179e-06
 3.45993824e-02 4.26124061e-05 9.45538342e-01 3.68386653e-04
 2.53132421e-05 3.55233567e-08 3.71161901e-09 1.81871254e-10
 4.05351699e-07 2.56714738e-08 1.21192315e-07 3.23226175e-08
 4.69160604e-08 9.53661825e-08 8.72264252e-07 1.11937295e-08
 3.26059291e-10 1.59348488e-07 2.44725629e-10 4.57435340e-10
 8.44953529e-09 1.53184700e-08 4.09672829e-09 6.79009318e-05
 4.74151875e-07 4.48235582e-09]


0.94553834


62


[4.0247663e-08 3.9232699e-08 2.3228328e-09 2.3631112e-06 8.2337184e-15
 7.7767090e-12 4.3398731e-12 4.9390919e-10 5.2307816e-09 2.0022466e-09
 2.6689033e-12 1.5907277e-10 3.3640621e-08 2.3259662e-10 1.3229261e-07
 3.7783279e-09 8.2912531e-12 5.3380718e-09 3.0893976e-09 7.7995632e-10
 9.2905510e-11 8.9869001e-11 3.9644901e-09 5.0535004e-10 2.4694177e-10
 4.3093803e-11 4.6081682e-06 3.0012553e-12 5.0789662e-05 1.5448617e-07
 4.5983928e-11 8.6187619e-08 1.6996298e-11 9.0269458e-07 4.2480961e-09
 8.2977797e-10 1.0257800e-11 1.9043267e-11 6.4375649e-10 5.2239196e-10
 2.1799686e-10 1.1109284e-10 1.4153474e-12 5.0594537e-09 1.0683374e-13
 2.6994726e-12 1.9078332e-09 9.7627129e-10 1.6253127e-11 2.7085860e-12
 1.9917928e-11 2.6541918e-12 2.5002664e-10 1.0148343e-09 3.3578682e-09
 6.8715376e-09 5.9949201e-07 9.2367836e-11 4.5935725e-05 6.4029808e-07
 4.4663324e-05 1.8441679e-01 2.6859195e-06 8.1542897e-01 2.3850035e-07
 4.9193833e-11 2.6205188e-12 3.7539039e-13 6.3592892e-10 5.1282416e-12
 1.9119616e-08 5.9178851e-10 1.3109158e-09 2.9342209e-08 9.3525292e-11
 6.9417512e-09 7.6762367e-11 5.3194009e-09 3.5317475e-11 2.0408497e-09
 1.4278985e-09 2.5620375e-08 3.6376371e-10 3.4781522e-08 6.4238304e-09
 7.1307613e-11]


0.815429


63


[2.11627302e-08 9.99998212e-01 6.38843076e-11 1.01467093e-08
 5.67794602e-15 9.95914505e-14 1.81078188e-13 1.01185895e-08
 2.79127389e-13 1.11948792e-11 1.83185078e-13 5.37799028e-10
 7.88024490e-09 6.53786324e-13 1.29731612e-08 6.27903599e-13
 9.83871438e-16 8.76591551e-13 1.15348104e-11 2.71383342e-14
 1.48004625e-14 3.34104973e-16 2.33879496e-12 4.96605388e-14
 5.40042078e-13 3.89239899e-12 2.78895768e-10 1.03741783e-13
 2.44766674e-09 4.98546178e-14 3.99257667e-13 1.64837490e-12
 1.19546551e-11 2.18545224e-14 4.64992758e-12 1.54852774e-13
 4.93226912e-14 4.92978999e-16 2.94807513e-14 2.63582042e-15
 3.49092432e-14 2.40569944e-14 1.74190515e-15 4.01821146e-11
 1.37225177e-17 1.21491960e-14 1.13132485e-13 1.99379375e-14
 2.36815737e-15 2.38450130e-15 2.47008767e-14 3.08600954e-15
 4.16618474e-14 1.49344443e-11 1.11336010e-10 1.01148441e-12
 5.61331038e-13 4.70665512e-14 1.71926968e-06 3.44546475e-11
 2.49524251e-13 7.51839302e-09 8.38247527e-10 2.68644706e-09
 1.01182838e-11 1.66378846e-13 3.92505042e-17 8.75905421e-15
 1.21699837e-13 1.71367677e-11 6.56248555e-10 1.51881924e-10
 2.46877258e-11 5.18800489e-11 8.35360088e-14 8.23749791e-10
 1.18736715e-10 4.03111138e-13 3.00833047e-15 2.56381555e-10
 1.30918149e-14 1.64720751e-10 1.01585251e-11 2.25508219e-12
 3.86566086e-08 5.34342646e-15]


0.9999982


1


[5.88813087e-08 3.83577429e-07 4.28726221e-10 8.57381523e-01
 2.67665023e-09 5.88022697e-09 2.91709129e-10 2.06771489e-10
 3.78441598e-08 4.38793757e-09 3.29382938e-10 5.41994271e-12
 9.06351886e-07 2.02742112e-09 1.30482007e-07 4.41877333e-11
 2.04318784e-11 2.30660713e-09 2.42436682e-10 4.91865526e-09
 1.68696335e-10 7.33092927e-12 5.54697124e-08 5.68742622e-11
 1.19929333e-09 9.77480319e-10 4.09665017e-06 2.17186658e-10
 2.53492245e-03 3.70644870e-09 1.53247429e-10 1.24611643e-06
 2.13946194e-08 1.68501469e-06 1.48040229e-08 8.23270909e-08
 4.47583463e-11 2.47524883e-11 5.91154592e-09 2.10893438e-11
 6.99129865e-09 2.34785053e-10 6.54376206e-12 3.48459736e-07
 3.01794722e-12 3.52218740e-11 1.89437288e-09 1.34375284e-08
 4.24714257e-11 5.75033944e-12 1.18146992e-10 3.10998144e-10
 8.52195026e-09 3.12661285e-07 1.57051492e-08 8.43237147e-10
 1.33809219e-09 6.21860174e-10 7.93610588e-02 6.48935099e-07
 1.74259682e-07 5.82502782e-03 3.16374608e-05 5.48526123e-02
 1.87486944e-06 1.21440677e-10 1.16292670e-10 1.14126425e-11
 8.07015149e-11 8.84019802e-11 2.76787347e-07 2.84849561e-10
 8.73328254e-09 6.60039312e-09 8.11216316e-10 6.09469225e-07
 8.04355638e-10 8.38811354e-10 1.59378715e-08 2.44604070e-09
 5.22419719e-10 1.19968977e-08 7.29732053e-09 2.82275620e-10
 7.55713643e-08 1.54469471e-09]


0.8573815


3


[9.1160797e-07 1.0783598e-05 1.2159339e-09 3.2390818e-07 4.6901079e-09
 1.0932092e-11 1.4352659e-10 5.0911376e-07 1.5004210e-06 1.3169090e-09
 3.7228640e-12 7.7427469e-09 2.6326595e-07 2.5446800e-10 2.3650834e-08
 1.1095987e-08 1.6265332e-07 1.9712095e-06 1.9493211e-07 3.0336260e-08
 3.0706602e-09 1.8658265e-10 1.3566509e-09 2.3655153e-09 1.1151421e-09
 3.9271573e-09 4.0469317e-06 1.0203888e-08 9.5903134e-01 3.1219881e-03
 5.9684878e-04 3.2230435e-04 4.6126512e-03 8.3726722e-05 3.2194063e-02
 8.8629844e-07 2.6689060e-08 8.6382840e-07 2.1661883e-07 2.7371931e-07
 3.8712827e-07 7.2803864e-08 6.7042527e-09 8.8836622e-08 4.0025078e-08
 1.4206262e-07 1.4482217e-07 3.5673455e-07 4.9883607e-08 7.3653229e-11
 1.6067328e-07 4.6846856e-11 1.0942184e-08 9.3592889e-10 2.7470230e-07
 5.7237182e-10 4.7274725e-08 1.3616373e-07 2.6478083e-06 4.0249213e-09
 4.0445067e-07 4.8595011e-06 2.0742671e-06 1.2628920e-08 9.5553560e-07
 4.4152340e-10 3.8962427e-11 8.6354790e-10 5.6830358e-09 4.5762719e-10
 3.6679182e-07 8.6813605e-09 4.8779829e-09 4.7415778e-08 7.0437717e-10
 1.7484452e-09 1.3580657e-07 1.3060037e-08 8.7831659e-11 3.3535417e-07
 2.7274200e-10 2.3119351e-09 8.0982981e-12 1.6423809e-07 3.0587021e-08
 8.3235179e-09]


0.95903134


28


[3.12051043e-08 1.55901088e-08 2.55645958e-08 1.76635280e-03
 8.86497205e-08 1.03253907e-11 1.43034300e-11 6.02458777e-11
 4.40867481e-11 1.30850525e-10 6.12636057e-08 5.19513710e-10
 2.26807267e-10 2.13793063e-11 7.69518665e-04 7.55832108e-09
 1.67090286e-09 7.26121880e-06 1.61752197e-07 1.42409489e-08
 4.75567363e-10 1.88160779e-10 9.97148931e-01 2.57637751e-08
 7.96233035e-09 1.01582544e-11 1.89482182e-06 7.07540493e-12
 4.32777009e-10 2.17888485e-10 2.50931165e-10 3.93631044e-10
 8.45016557e-11 5.09682130e-10 2.68864642e-09 1.43324543e-08
 8.71613719e-12 8.52713213e-12 7.12844450e-10 3.80422690e-12
 3.80059526e-11 2.40880701e-11 6.91738225e-13 7.63344804e-11
 6.19636233e-13 3.61159280e-12 4.16470573e-11 1.04828569e-10
 1.19806387e-10 1.88754313e-13 3.39016593e-11 1.15718320e-11
 1.49733559e-10 3.45821809e-11 1.27459439e-08 1.03364244e-11
 1.72134800e-12 3.13788405e-12 1.41126191e-06 4.08788416e-08
 4.78020956e-10 1.57386694e-05 3.57011920e-10 4.08574827e-08
 1.50974387e-07 1.74816856e-12 8.62551280e-11 1.50936069e-11
 3.00931946e-10 2.13371254e-09 2.88215000e-04 7.84437071e-10
 1.14372889e-09 3.77559273e-09 2.47433762e-09 2.30696764e-11
 5.67386554e-11 1.52212243e-10 2.46850651e-09 1.57215496e-09
 3.91862966e-11 3.06610459e-10 2.32421443e-11 4.10444682e-12
 1.19408128e-09 1.30015859e-10]


0.99714893


22


[3.51322387e-06 4.35326569e-07 5.46601913e-12 9.93516803e-01
 1.84875919e-08 4.35678338e-09 4.40747300e-10 3.16352083e-11
 1.57465119e-09 2.35004372e-09 3.09688666e-08 1.07994007e-12
 7.12337567e-09 7.83008797e-11 6.44449284e-03 5.05515378e-12
 6.91970856e-11 7.49426188e-10 2.71339951e-09 1.27325195e-09
 1.45515003e-10 1.74798301e-10 4.52371921e-07 1.74209269e-09
 7.13317849e-09 2.33535307e-08 3.57613294e-06 2.63612170e-11
 2.59837019e-09 5.14980940e-11 2.51796652e-12 5.18580404e-12
 5.88303495e-09 1.11945557e-11 1.30485411e-09 2.01186640e-06
 6.51461177e-12 4.16155738e-12 1.07893811e-07 1.19158832e-11
 4.11365025e-10 7.81883516e-11 1.21895690e-12 8.15747736e-09
 3.74403714e-13 2.54083074e-11 1.42200496e-11 8.00159730e-11
 1.67702519e-10 3.00598061e-13 1.77711372e-12 3.35753890e-11
 1.13405974e-09 1.64600166e-07 1.82580898e-05 3.73901882e-10
 8.23326615e-11 1.19959413e-12 6.91899373e-08 1.11465539e-07
 2.23730083e-07 4.17060875e-08 4.98252817e-08 8.15200352e-09
 9.38944686e-06 1.06118595e-11 2.90086219e-11 8.94926667e-12
 1.41851655e-10 1.10649996e-11 1.63644764e-09 2.09768355e-10
 3.00674659e-11 6.78160306e-10 5.67691050e-09 5.93533944e-10
 1.22086208e-09 2.58745386e-10 1.87878912e-09 1.09189616e-10
 1.15232164e-11 1.86933732e-10 1.07687019e-10 2.83829956e-11
 4.37785168e-08 1.75634857e-13]


0.9935168


3


[7.74515513e-07 9.29611019e-07 3.44166085e-11 2.70167538e-06
 3.34623388e-12 2.09998116e-10 2.98055636e-10 2.12240536e-07
 2.59624153e-06 7.28410887e-10 4.51415121e-11 1.06050802e-11
 5.38837384e-08 3.97004062e-11 1.17550991e-09 1.50761643e-11
 7.02124525e-10 2.77847310e-08 3.13350923e-09 1.10767295e-09
 1.87577245e-11 2.00168354e-11 1.92786831e-09 3.59839492e-09
 3.57958352e-09 3.02885783e-09 3.80985148e-05 1.86860909e-11
 4.81249253e-06 1.50150197e-06 5.69886527e-10 5.26136856e-10
 9.03249315e-07 9.44018752e-11 7.56908037e-07 7.89672896e-08
 2.04666006e-11 4.26032293e-10 7.17209980e-09 2.67204370e-10
 6.95224267e-10 7.34961814e-10 4.14517087e-10 7.08923187e-09
 9.65682742e-12 6.77259013e-11 1.40634518e-10 3.24226512e-09
 3.79784176e-10 7.00632174e-12 1.39737971e-10 7.51463648e-12
 7.84768917e-10 4.15493489e-08 4.37360171e-07 1.05020892e-09
 3.04053319e-05 5.78995741e-06 4.62570169e-04 5.88151488e-05
 1.58033581e-04 1.27722160e-05 4.84478056e-01 8.24362542e-06
 5.14731169e-01 9.68982117e-11 2.24986874e-09 1.44224814e-11
 4.72391237e-10 1.79658594e-10 4.44223575e-10 2.00228971e-08
 7.72148512e-10 1.01146682e-08 1.96580952e-09 8.17850163e-11
 6.09912263e-08 3.33376704e-08 8.59988192e-11 1.66734697e-08
 8.73988160e-10 1.72402770e-09 8.20982560e-10 1.90451157e-08
 1.80098620e-08 7.97540436e-11]


0.51473117


64


[9.70250085e-07 9.20570983e-07 1.24076985e-10 7.15333081e-05
 1.04766917e-09 9.23308807e-09 9.73893854e-10 1.38659625e-05
 1.13389933e-06 8.83524198e-10 5.94233773e-09 1.59630392e-10
 4.91392029e-08 2.75465539e-09 9.63352704e-07 1.52465784e-09
 3.49800033e-09 2.34539504e-04 7.81448325e-05 1.51535244e-06
 1.13873833e-09 2.06218260e-08 5.16371790e-09 1.98846166e-08
 1.53729403e-08 1.10355892e-07 1.40382370e-04 1.27035193e-09
 2.15057720e-04 4.09482326e-03 1.58816036e-08 1.56037350e-09
 1.78722942e-07 3.05971696e-07 4.36845369e-07 3.26454438e-06
 4.42170167e-09 4.59735325e-08 1.08095371e-07 4.62924099e-08
 3.16972091e-07 7.79459053e-10 3.24370997e-09 2.15886743e-07
 6.77632173e-10 1.59448510e-09 2.45179077e-08 8.51457571e-08
 9.81963399e-09 6.82657819e-10 3.07604999e-08 1.12700847e-11
 4.14949625e-07 2.20107665e-08 2.87009499e-07 2.03667305e-08
 7.34754140e-05 1.43417139e-07 4.48023267e-02 3.14797435e-05
 2.63336202e-04 9.17067344e-04 8.15328836e-01 1.33423999e-01
 2.11637380e-04 3.41298509e-08 8.38106615e-08 7.06546072e-11
 1.31307001e-08 6.04997741e-09 2.40438329e-11 1.18182220e-08
 3.83779764e-08 4.32793013e-06 1.45102689e-07 2.75875269e-08
 3.87508123e-07 1.58719061e-07 3.25731406e-08 1.25139579e-07
 1.39965524e-08 3.58305741e-09 2.61535771e-09 8.08300538e-05
 1.57090392e-06 6.56093790e-10]


0.81532884


62


[1.71422823e-08 7.75642606e-10 1.96570489e-13 9.25467480e-10
 1.92854998e-12 1.86847083e-11 8.02373966e-12 8.69390462e-08
 3.74856199e-07 1.03662456e-09 8.38320841e-14 9.96296268e-10
 9.38168299e-09 1.26156776e-11 2.22323049e-08 7.32019834e-10
 1.32380118e-09 4.87022999e-06 1.84945023e-07 1.47510359e-09
 1.48243570e-11 1.96689678e-10 4.82880194e-11 2.36123066e-10
 1.08640381e-10 1.17552368e-09 1.85571880e-05 1.15942976e-11
 2.28467150e-04 9.43805730e-07 2.74897904e-09 1.55065871e-09
 4.28498659e-09 1.16645413e-08 1.48595393e-06 4.66247352e-09
 1.95730501e-10 4.83164442e-09 8.24770030e-10 1.83033499e-09
 4.68485584e-10 1.98265224e-10 3.01767056e-10 9.80526008e-11
 1.52279821e-11 5.30536413e-11 2.60749977e-10 9.03384312e-10
 2.37507042e-10 2.39191389e-10 1.26346600e-10 1.00254095e-13
 5.44283334e-11 6.27153746e-11 3.25123501e-08 9.25686727e-09
 1.47839938e-03 7.50152958e-06 2.48011617e-07 1.70907022e-08
 9.97774661e-01 7.04934746e-06 4.51538945e-04 4.71513545e-07
 2.47921525e-05 1.41688983e-09 3.61644359e-09 1.40902893e-12
 5.04108577e-09 2.48264885e-12 1.23950034e-11 8.32924230e-10
 3.83233202e-11 2.90132918e-10 1.52375765e-10 3.77915234e-12
 1.31661704e-09 1.49039874e-08 4.48482527e-12 1.12083218e-10
 1.90905625e-10 1.25446126e-10 6.69334380e-11 7.53387042e-08
 2.88363800e-09 4.35906346e-12]


0.99777466


60


[1.0712129e-08 2.8825214e-06 5.6430042e-15 1.3202701e-09 4.2704645e-11
 1.4690535e-11 2.1093398e-12 4.0310610e-10 1.2712501e-08 2.4366895e-10
 2.1577260e-09 3.7804244e-09 6.0621646e-06 5.4123507e-12 1.4004432e-07
 3.7430814e-12 9.9671187e-14 1.5631240e-09 1.7438630e-10 1.3952754e-10
 2.9962830e-13 2.9289444e-14 3.3430531e-10 2.3100051e-10 1.7561579e-12
 9.5253881e-08 3.3144222e-08 2.2871351e-12 1.4917118e-08 5.3772549e-11
 6.6141737e-15 3.9115009e-12 1.1627921e-09 2.5555054e-13 1.8314592e-12
 1.0667052e-11 8.5434334e-13 7.7026086e-14 7.2082509e-12 2.3287067e-12
 2.1098349e-12 2.7067251e-13 4.7481198e-14 7.4962528e-12 1.3168660e-15
 1.9937963e-14 4.4069856e-13 2.9599069e-13 1.1329084e-14 3.7071911e-13
 4.2172498e-12 1.2328740e-15 2.6033511e-12 1.5871890e-12 4.7636236e-06
 3.7141187e-10 1.1917635e-10 1.2689106e-11 5.4685462e-10 2.1195179e-13
 4.3284831e-11 2.6529552e-09 9.4629078e-09 5.8080309e-13 6.4730582e-11
 2.0941001e-11 1.8404040e-14 2.5838328e-14 1.7872054e-12 2.6684956e-12
 4.6174575e-14 4.0051476e-11 1.4659905e-12 6.7586827e-13 7.0099560e-12
 2.8463736e-13 1.0444999e-12 3.9031334e-11 3.1158638e-15 7.1781222e-12
 6.6033144e-13 9.3977408e-13 1.3634925e-13 1.3316070e-10 9.9998605e-01
 4.3169644e-15]


0.99998605


84


[2.8127245e-06 1.2075286e-05 4.0682926e-12 9.9993968e-01 6.0267611e-12
 1.1290154e-08 3.7532966e-11 9.5994027e-14 3.1056441e-08 1.7997981e-10
 1.5314961e-12 8.5692512e-12 8.6003427e-09 5.1468560e-12 4.1765169e-09
 1.1874093e-13 7.5550139e-12 7.6131609e-13 6.4809659e-13 7.9266984e-12
 2.7710780e-11 2.0568790e-12 2.8777787e-08 1.8381258e-11 1.7545373e-11
 1.3627576e-07 4.0474251e-07 4.1205919e-12 1.0163164e-07 6.3688674e-08
 2.4625497e-13 5.5069255e-10 1.4084303e-07 2.7109900e-10 2.8872944e-09
 4.6034293e-10 2.0327336e-12 3.9072781e-12 2.0687182e-08 6.7040237e-13
 1.2525052e-08 3.0160312e-11 3.8294376e-13 1.5520929e-08 2.1521623e-14
 1.0923465e-11 1.1429476e-11 5.0835499e-11 8.7848853e-13 3.0036512e-13
 1.6775754e-12 3.1626070e-11 2.8320415e-10 6.7699307e-07 2.8307875e-07
 2.2095899e-12 1.2696658e-10 1.3059912e-12 1.9745148e-09 2.4795063e-10
 4.7898988e-07 1.8575571e-06 4.0769992e-05 7.2646680e-09 3.6388440e-07
 8.7215180e-11 3.6006917e-09 4.5294256e-13 1.2122325e-11 1.4735341e-11
 2.4212235e-10 7.4565484e-12 4.6892282e-11 8.0371482e-12 8.0426005e-10
 1.0238002e-09 1.8648769e-10 8.2867024e-10 1.1104335e-11 2.2961993e-12
 2.7179989e-11 1.9460540e-13 6.1871397e-10 4.2616475e-12 5.5526527e-08
 3.0444638e-13]


0.9999397


3


[4.8835149e-09 5.9493972e-11 1.3349092e-11 7.9528398e-08 1.1732461e-10
 7.5412150e-14 1.0883347e-12 2.3634757e-11 1.7217002e-07 6.1397996e-14
 2.4746377e-16 4.5378857e-12 1.7769932e-09 1.0702871e-12 2.7178751e-11
 1.0972253e-10 3.2461833e-07 7.7474178e-09 2.0491147e-08 1.2352971e-09
 3.0968161e-10 1.7650950e-10 7.3237805e-10 1.2682846e-09 1.9553914e-11
 1.0020421e-11 4.7974630e-08 3.7833287e-10 8.7484792e-03 1.6221240e-03
 2.4238361e-07 9.8849386e-01 3.8308945e-06 9.0035601e-06 1.1203185e-03
 3.7492892e-08 4.2140544e-09 2.5841516e-07 4.7170786e-07 1.4206526e-07
 4.4737175e-07 3.9566447e-10 6.1569777e-11 5.1704923e-08 1.7748143e-10
 5.8363803e-09 1.2455319e-09 7.0045139e-08 1.4327292e-09 6.6442967e-13
 6.0300138e-09 1.1821036e-13 3.1181654e-10 6.1280390e-11 2.5431043e-10
 7.4086508e-15 1.1546409e-09 2.6283592e-10 3.9903045e-09 1.6781608e-09
 2.8122620e-09 3.2560475e-08 2.7973454e-10 1.0136373e-11 1.4803081e-09
 1.3700367e-11 4.9560044e-12 3.1177085e-13 1.0547501e-11 4.3625714e-11
 8.2036378e-10 3.5407580e-14 3.5112080e-10 2.0605266e-09 1.8520869e-11
 2.4178389e-12 1.8238469e-10 5.0453810e-09 1.4780114e-13 6.4860936e-11
 1.0622281e-11 4.8335801e-11 2.4935876e-14 9.8079440e-11 6.4773936e-10
 8.0453092e-12]


0.98849386


31


[1.1961417e-06 2.3465003e-07 6.5390499e-11 9.9734795e-01 5.9855415e-10
 7.5222537e-11 2.4446067e-11 2.3017290e-13 1.1040500e-11 3.8882134e-11
 4.8750914e-10 4.4434591e-12 4.9730942e-10 4.3152114e-11 3.3796696e-05
 2.1211846e-09 5.5289329e-11 3.1632016e-10 1.2272758e-08 1.5662068e-09
 4.9795290e-10 2.0048527e-09 2.5845745e-03 2.2763067e-09 3.5687078e-10
 2.5522603e-10 2.0574760e-09 1.2750748e-12 1.5687640e-08 1.0870215e-09
 1.4174579e-15 4.3338880e-10 1.5591094e-10 8.2372731e-10 2.5739943e-11
 1.1903489e-09 1.0641057e-12 4.0508615e-14 8.0278664e-09 3.0874766e-13
 1.1151260e-09 6.4080950e-12 2.9185943e-14 1.0977769e-09 5.3369730e-16
 1.4786431e-14 5.9627372e-11 2.1578189e-11 1.2045295e-13 3.3450425e-14
 5.1870292e-12 2.1465045e-12 8.1984636e-10 7.7836609e-10 3.5199015e-09
 1.8023248e-13 1.5582463e-15 1.0393917e-13 5.9398740e-08 8.5496540e-11
 3.5725489e-10 5.1819420e-06 6.7994526e-09 7.0905520e-10 4.6633027e-11
 2.3294422e-10 1.7654628e-10 1.2548326e-12 8.2942420e-12 2.8295450e-09
 2.6923550e-05 4.8437868e-12 2.8836884e-11 7.5480941e-11 1.8245749e-10
 1.5741192e-09 3.6957212e-12 9.0685220e-10 1.4553877e-11 1.1018406e-12
 1.6728166e-11 1.6491137e-11 1.8686319e-09 5.3289894e-12 4.8252873e-09
 1.4751212e-11]


0.99734795


3


[4.99990938e-09 1.38829364e-07 6.41126345e-12 2.84993189e-06
 1.70538818e-14 1.68569111e-13 8.89854423e-12 5.89074511e-10
 4.96219684e-07 1.06909946e-10 5.84805565e-15 2.03148835e-11
 1.16836716e-07 4.34403945e-12 3.91002573e-08 9.73946201e-11
 2.95058214e-11 5.52064450e-10 2.03631352e-08 3.32410810e-09
 9.12104160e-12 2.04667967e-11 1.14662257e-09 6.54688026e-10
 5.15706098e-12 6.14736040e-11 9.03170189e-07 1.87081484e-13
 1.76101676e-05 7.87056575e-04 7.48954240e-15 8.70074564e-06
 6.55802856e-10 6.55295507e-09 5.82913685e-07 1.06056175e-09
 4.24441385e-12 1.25985784e-11 1.94770380e-10 1.99532280e-10
 3.39084386e-11 6.72848843e-12 1.23384321e-12 6.28388036e-11
 8.16992958e-14 3.81585632e-14 3.01641975e-11 1.19763158e-10
 2.18103985e-12 1.72485981e-13 6.64226486e-12 1.63261982e-12
 3.24390623e-12 1.44901902e-09 1.21374286e-10 8.98578434e-12
 2.42660633e-07 6.13794404e-10 4.20744811e-07 2.44476411e-07
 2.54709676e-06 9.98535991e-01 6.09219773e-04 1.85526533e-05
 1.42706986e-05 1.46855531e-11 2.03339450e-12 2.18855207e-13
 4.01312650e-10 6.45800288e-11 7.67530595e-10 1.93035726e-11
 1.31329721e-11 1.49068768e-09 1.77356602e-11 1.26828742e-10
 1.02223030e-09 2.34290187e-08 2.83248967e-12 1.04288071e-10
 9.58396296e-12 5.58972701e-10 4.99504257e-11 2.17443965e-08
 7.77069853e-10 1.75893189e-11]


0.998536


61


[1.5370973e-07 7.1904957e-08 2.4907960e-08 2.3034581e-06 7.8491720e-09
 5.9598770e-09 1.1169883e-09 1.6579000e-07 2.4094977e-08 8.6140215e-09
 3.0227274e-09 7.2689993e-08 6.8783743e-07 1.9709381e-08 5.2248652e-06
 1.7714861e-07 4.6463845e-07 7.6760869e-03 9.9095190e-01 2.9183844e-05
 1.9074544e-07 5.9872767e-04 4.2597588e-07 2.0997231e-07 6.7504828e-07
 2.0850347e-07 1.1749760e-05 3.9339199e-10 4.1085543e-04 4.8335191e-06
 1.3167234e-10 1.9182793e-09 8.8328872e-10 1.3044691e-07 9.9963087e-09
 3.8377774e-08 1.9976798e-09 7.8281764e-10 4.6380872e-09 7.8522717e-09
 4.4037818e-10 2.0359435e-08 5.5708743e-10 4.9377831e-09 1.5676371e-10
 6.7900095e-11 2.9297629e-08 2.6617233e-09 9.7940100e-09 1.0401348e-10
 1.7773224e-09 6.4058918e-09 1.5220879e-08 6.9857631e-10 1.0072669e-09
 5.7401786e-09 2.3028027e-05 7.3921180e-09 1.5803213e-06 3.2579244e-06
 1.4634371e-04 6.0728256e-05 8.2493152e-06 4.0308441e-05 1.9130546e-05
 1.9622135e-08 4.8104845e-08 1.3189502e-10 2.2081259e-07 4.0668048e-08
 1.8004695e-07 3.3669949e-08 3.8929286e-09 1.4672996e-08 1.0828356e-08
 1.5664530e-07 1.5849322e-08 2.0253765e-07 7.1436002e-10 1.8487435e-09
 5.6457767e-09 3.8498300e-08 5.5289192e-08 1.4842602e-06 6.9785258e-08
 2.4373561e-08]


0.9909519


18


[3.4217970e-05 9.9984741e-01 2.2712077e-09 2.6804079e-05 9.8214554e-14
 1.9237107e-09 4.5609044e-11 1.5456189e-08 2.2796957e-10 2.8070840e-08
 2.6033639e-11 2.6808076e-08 4.3413060e-05 1.3959636e-09 2.4466959e-05
 7.5225666e-09 1.6446053e-13 1.0265286e-10 2.8098105e-08 1.9916721e-11
 1.0776821e-10 1.9193366e-11 1.8793049e-10 5.7579658e-10 9.7190933e-10
 4.0614291e-06 2.3773843e-08 5.7463007e-11 2.2087020e-06 1.2739956e-09
 4.6040157e-13 4.7560293e-09 2.0020594e-10 2.0607949e-10 7.7347642e-11
 6.0013397e-11 1.8330164e-11 2.6927101e-13 3.3676945e-10 3.2073862e-12
 4.3186229e-11 9.7969558e-12 1.5426286e-13 1.3997577e-07 6.4859634e-15
 4.6025933e-13 2.9437605e-10 5.0471041e-11 4.6183343e-13 6.1234356e-13
 6.5616896e-12 2.9932501e-10 2.9042857e-10 2.3166363e-08 1.6449508e-07
 7.7515239e-08 2.0627650e-10 4.8602901e-12 1.6305302e-07 7.8787757e-08
 2.0380497e-09 1.4666833e-05 4.5359821e-10 1.3336599e-07 7.4097826e-09
 2.7025496e-12 3.2663820e-12 5.1023526e-11 3.4382679e-12 2.3097423e-10
 4.9054649e-10 1.7799054e-09 1.9752128e-10 2.2822377e-09 1.2636864e-12
 1.5324923e-07 2.1551156e-09 2.1048541e-10 5.5153352e-12 2.2418378e-09
 3.1802662e-12 4.6710902e-09 5.0292641e-09 6.4842922e-08 1.5518980e-06
 4.4085754e-14]


0.9998474


1


[4.01526413e-05 1.75735806e-06 1.57767293e-08 2.39732210e-03
 1.36894962e-09 4.93142807e-07 1.68059380e-08 5.73445966e-08
 2.44976150e-06 1.72580019e-06 8.71953798e-09 1.22326685e-06
 2.72252887e-01 4.48427045e-07 2.42843134e-06 5.05319697e-08
 1.45052169e-07 7.58305669e-06 3.00050178e-05 2.27772307e-05
 1.64432578e-07 4.45968396e-07 6.35987226e-06 1.39606618e-06
 1.00946856e-07 9.41266678e-03 6.38146535e-04 9.56842783e-08
 7.44027493e-04 2.58383552e-05 5.01871398e-08 1.18224486e-03
 4.16780267e-07 5.96198561e-06 2.50235171e-04 9.10819836e-07
 7.44614770e-09 6.48396750e-08 2.28548311e-06 1.21140729e-07
 1.29116202e-07 4.31855142e-07 7.11533543e-09 5.81552331e-06
 2.59131827e-08 3.29724492e-09 4.43433549e-07 9.53713410e-08
 1.70675012e-08 1.18352848e-08 1.22148734e-07 1.21956623e-06
 1.18815450e-07 8.71967586e-06 4.80488825e-06 2.72271282e-05
 3.47429193e-07 6.58922872e-08 1.21742523e-05 1.69214200e-05
 2.61163150e-05 7.11799800e-01 2.66255574e-06 8.85500594e-06
 1.33273115e-05 3.75767084e-10 1.44643213e-08 6.97991283e-08
 1.56352610e-06 1.19040919e-07 1.94567164e-07 7.76227580e-08
 4.77632049e-08 8.86827394e-08 7.21187021e-08 4.28192543e-05
 1.85348398e-07 1.86359216e-07 2.64793716e-08 1.60173016e-07
 5.89540399e-08 7.90719923e-07 1.10607527e-06 7.97057000e-04
 1.92720006e-04 5.66707818e-08]


0.7117998


61


[1.2490345e-06 9.7108843e-10 3.5949878e-12 2.2599606e-08 3.3609004e-09
 1.3500582e-08 1.8349165e-10 1.3822321e-08 1.5548109e-09 1.1371036e-08
 8.9914911e-09 1.4655889e-08 5.8027747e-09 2.6811501e-08 3.2880541e-06
 2.5551805e-09 3.4889641e-08 9.8723990e-01 1.2614123e-02 4.0875680e-06
 2.5102425e-08 7.5209491e-06 1.9014095e-07 2.1849628e-08 1.1336216e-06
 1.1911133e-04 7.5931513e-07 4.9457657e-11 1.7400623e-07 2.9329128e-08
 2.5568405e-11 7.4819768e-11 6.1191630e-09 1.3260913e-08 5.8509497e-10
 7.6786648e-09 6.5809441e-11 7.0378960e-11 6.8586653e-10 6.8262607e-10
 1.8013938e-10 1.6503834e-10 9.8928560e-11 6.7209666e-10 1.9247512e-11
 3.9181267e-12 5.0579119e-09 1.4444737e-10 1.7878150e-10 1.1711211e-10
 1.8638478e-10 9.4036778e-10 1.0750574e-08 8.0865709e-10 2.5026161e-09
 2.1798883e-08 1.6025268e-07 2.5914517e-09 1.7783783e-07 5.0621551e-10
 1.4575826e-06 1.2622719e-07 3.3615881e-06 1.7177173e-06 2.4765424e-07
 7.3020181e-09 3.6160297e-09 2.1289860e-11 5.5637774e-09 1.0928825e-09
 1.5245520e-09 1.0658446e-09 4.5373930e-10 5.4627425e-10 1.8110677e-10
 3.6600363e-09 1.2171201e-11 1.2315271e-09 1.0042395e-11 4.8317106e-12
 5.3369720e-10 4.0178991e-10 9.5187724e-10 6.1909162e-07 3.3455441e-07
 7.5457522e-11]


0.9872399


17


[9.73079204e-06 1.65164165e-05 7.16402675e-12 5.57658453e-08
 1.01832903e-13 9.13586007e-09 7.49639573e-10 3.19602744e-09
 3.20983577e-06 5.19355492e-09 3.51546070e-10 1.20970016e-08
 3.66959030e-05 3.84072507e-08 1.05331264e-06 1.62772629e-09
 4.99510260e-11 4.86762808e-09 1.46877124e-08 7.02949032e-10
 8.61300753e-10 2.48791876e-10 3.97686017e-09 1.34318032e-08
 3.22639622e-08 9.97687459e-01 3.23344238e-07 6.56432339e-11
 1.06388707e-05 1.45497282e-07 4.33413139e-10 1.12881038e-08
 7.72084903e-08 3.21460680e-09 3.22679439e-09 5.87143223e-10
 3.62324164e-11 1.28600700e-10 6.94139946e-09 2.89099056e-09
 6.01950378e-10 1.32004144e-10 1.14362322e-11 4.64739252e-08
 3.59691470e-13 1.13739079e-11 1.17453407e-08 1.25994137e-09
 8.64344447e-12 1.40731191e-10 6.67244537e-10 9.43545936e-11
 1.41300465e-08 7.90940291e-08 3.94554536e-06 1.67368398e-06
 3.29057066e-08 1.25583643e-09 1.71587690e-05 1.05478570e-07
 5.74547840e-08 2.27867304e-06 1.21752601e-05 1.24552180e-05
 1.20176151e-06 6.95981317e-09 8.48788054e-12 3.22896467e-11
 7.88699384e-10 1.29218392e-09 2.61455111e-11 1.31095760e-06
 8.34133207e-09 1.42027790e-09 1.54537633e-10 7.32199908e-07
 1.82006232e-09 1.11753939e-09 8.69318090e-11 4.08145517e-09
 2.43943976e-10 5.20276870e-08 3.59183960e-10 4.13736552e-06
 2.17628246e-03 4.62479718e-13]


0.99768746


25


[6.82526615e-06 5.63353275e-08 1.12938357e-11 3.73291370e-10
 1.43748996e-14 2.36230879e-09 7.40293504e-12 2.41144688e-10
 1.87664924e-08 1.08211643e-11 1.99663584e-11 2.72891237e-10
 1.00188049e-06 9.80542652e-08 2.63595066e-08 4.27719318e-11
 1.30784771e-12 3.58726737e-09 4.37165992e-09 9.39925138e-10
 7.08688871e-11 6.42720729e-12 1.90662663e-09 4.56335503e-09
 3.53487156e-10 1.24520995e-02 3.74375361e-07 5.04923492e-10
 4.54151952e-08 5.61292346e-10 6.74964573e-09 2.20846696e-09
 2.13729678e-09 2.91847035e-09 4.34886814e-11 1.64408431e-10
 5.53936281e-12 9.04763070e-12 2.32089437e-09 5.04559346e-11
 1.24307398e-10 3.18651772e-10 4.64438141e-11 4.51746800e-08
 1.10478487e-13 2.98191962e-12 4.81445828e-10 6.94666200e-11
 1.86341264e-12 1.66204273e-11 1.27212618e-09 9.65186472e-11
 9.96659533e-10 1.72953889e-07 8.92336357e-06 7.41662398e-10
 2.11932982e-09 5.64248197e-11 9.18553766e-08 2.87772628e-09
 3.40607292e-10 5.10804465e-09 8.32796143e-09 7.19272464e-08
 8.35471070e-08 8.74006811e-10 6.51686008e-13 2.45683871e-13
 1.24155677e-11 4.53401955e-10 4.99205874e-13 6.64701716e-09
 3.21954408e-10 2.53759670e-11 4.27266555e-12 4.43854536e-10
 5.36848656e-11 1.38111024e-11 4.21014005e-12 2.04982541e-11
 3.98885092e-11 4.67330549e-11 5.23092680e-12 1.84873894e-08
 9.87530112e-01 1.77369597e-14]


0.9875301


84


[9.99929786e-01 2.21848518e-06 9.60679980e-10 4.56979069e-06
 3.55846212e-13 4.86298868e-09 7.48846124e-11 1.51826800e-08
 1.76380670e-08 3.66038000e-09 1.16025928e-12 9.11188763e-11
 1.29320357e-11 1.75535197e-09 2.60850064e-10 1.26192987e-10
 5.70207714e-10 1.30219293e-08 4.87146212e-10 7.32800987e-10
 7.61260277e-10 7.48534845e-11 1.10811165e-08 2.64441979e-09
 5.83031223e-09 5.33754701e-07 4.44673844e-07 5.69253888e-09
 1.59411954e-07 1.69978198e-09 1.31911664e-08 4.13164614e-09
 4.52922588e-09 1.78626323e-08 1.09651122e-10 1.35558311e-08
 3.05622437e-11 1.16021172e-10 6.05267587e-07 7.86168006e-12
 2.11105156e-09 1.42910045e-10 1.96152250e-09 1.58539660e-06
 2.85911529e-12 8.08066461e-11 2.12082241e-09 6.99472980e-10
 1.51759421e-11 2.30969670e-12 1.84670404e-10 2.32532173e-07
 2.25757049e-08 3.43035535e-05 2.02557403e-05 6.07112277e-11
 2.99514746e-10 1.93847941e-11 8.34326315e-08 1.42751162e-07
 1.70055392e-09 2.11658424e-08 6.99681557e-09 1.98998691e-07
 9.34438958e-07 1.53756530e-09 9.28611146e-11 6.93933355e-13
 1.40832018e-12 2.16991158e-09 1.77637205e-09 5.17657195e-10
 3.33158397e-11 1.13224707e-09 5.81952993e-11 1.54393653e-09
 8.45525039e-10 3.34241368e-09 3.74304372e-11 1.84367990e-11
 9.16589360e-10 1.64091657e-11 2.16445417e-10 1.08452018e-10
 3.74244610e-06 1.20110198e-11]


0.9999298


0


[9.90950286e-01 3.06625079e-05 7.06090564e-09 1.32457542e-04
 4.95623612e-11 7.45665432e-08 1.03326248e-09 1.36381357e-06
 3.21011817e-06 4.67318245e-07 5.43243117e-10 3.18810542e-08
 1.02640376e-08 2.61017803e-08 6.51897025e-09 6.89415636e-09
 5.76023940e-09 1.65921648e-07 3.41622242e-09 9.74084369e-09
 2.30598847e-08 3.79151488e-10 6.94226173e-07 5.95634759e-08
 9.01924793e-08 2.29832426e-06 8.38101641e-06 1.92868256e-07
 3.25096562e-03 1.34874699e-05 1.64195866e-04 1.30486626e-07
 1.57587838e-05 2.12313171e-05 2.36845452e-07 8.40472421e-06
 5.75843817e-09 1.95436645e-08 9.46613320e-04 2.61042077e-09
 8.14651867e-06 3.06398196e-09 8.40788630e-07 3.22398567e-03
 4.31645262e-08 6.56873667e-08 5.42967882e-07 2.36081661e-07
 3.45430995e-09 1.22311561e-09 1.33300929e-07 3.42660496e-05
 3.43844681e-06 3.75446848e-06 2.62181152e-06 2.15578466e-09
 3.72315867e-08 5.02753483e-09 3.53702962e-05 5.03481897e-05
 1.68900515e-04 1.90567116e-05 5.44086470e-05 4.82397474e-04
 3.01514665e-04 1.74947928e-07 4.81609526e-08 1.42874834e-09
 1.09031006e-10 9.90868784e-07 3.77934612e-06 3.43790106e-07
 1.58443392e-08 1.56808358e-06 4.60644927e-08 8.28647558e-07
 3.80824652e-08 1.35901485e-06 1.38751961e-08 2.80501116e-08
 1.50503624e-07 1.75594401e-08 1.04233662e-08 1.62874425e-08
 4.89474551e-05 6.66143096e-09]


0.9909503


0


[9.99913096e-01 4.02305034e-07 8.63850866e-11 1.37719383e-06
 3.30637244e-14 5.17978682e-09 6.40658013e-11 2.43365661e-09
 1.91160670e-08 5.02311137e-10 5.41885547e-12 5.74880490e-11
 2.64102629e-11 1.12090870e-09 9.88919169e-10 2.84394536e-10
 2.38917996e-10 4.11934131e-09 1.55210711e-09 1.06270115e-09
 5.69193315e-09 3.62758157e-10 3.92036483e-08 9.84956672e-10
 1.40603431e-08 1.22441288e-05 1.14421459e-08 1.05306253e-09
 1.55846436e-07 4.47292123e-08 6.22675644e-09 2.18078625e-10
 9.72874559e-10 3.42612561e-09 1.04437084e-10 1.23825092e-08
 3.91720510e-11 2.08196793e-11 6.51252003e-06 1.19531761e-12
 1.54670786e-07 1.61310340e-11 1.26950195e-09 4.29866350e-06
 4.04181029e-12 5.90003671e-11 4.50240645e-09 2.77877312e-08
 8.98428554e-12 4.08925687e-13 1.06980902e-09 5.61258821e-05
 2.84278201e-08 7.85125494e-08 1.53005556e-06 7.78347092e-12
 2.32637271e-10 1.90381863e-13 8.39213641e-08 6.13210887e-07
 9.42763521e-08 8.54094182e-08 5.50003199e-09 2.38017446e-06
 1.70026112e-07 9.04461395e-09 5.74322101e-09 5.91582122e-12
 4.56127811e-13 5.84237148e-09 1.31861677e-08 1.56239588e-09
 2.86731666e-10 1.24422816e-09 8.07889259e-12 6.46159251e-08
 5.85956839e-09 1.48860737e-08 1.85531313e-09 1.09966333e-11
 5.04606135e-10 1.03506561e-11 4.96206243e-10 1.87054053e-11
 1.80047749e-07 1.73639261e-12]


0.9999131


0


[7.19871238e-08 6.08963824e-10 2.32820499e-11 4.92452035e-09
 1.76372675e-12 3.83078069e-10 5.90517912e-12 7.77000617e-11
 3.81710288e-11 2.70436278e-11 5.78376539e-12 1.15743504e-12
 3.37354089e-10 1.82175372e-10 1.81988018e-12 3.25190881e-11
 3.04554515e-09 4.90682783e-09 6.56920562e-09 7.49853069e-10
 5.60380862e-08 5.41311773e-10 6.45960530e-09 3.42853768e-09
 7.73969617e-08 3.34005421e-07 4.36450404e-10 1.90124139e-10
 1.69097747e-09 2.55833799e-09 1.02230746e-09 6.61157309e-11
 2.56862892e-10 2.21728547e-09 2.47160140e-11 2.16058424e-08
 4.15147561e-09 1.00040922e-11 3.55424220e-07 8.34595034e-13
 4.73016870e-09 1.71775302e-10 1.05241194e-09 1.74370083e-08
 3.04353313e-11 6.84085122e-10 2.17317414e-11 8.18477641e-09
 3.62404586e-11 1.14996652e-12 5.34830047e-09 9.99998927e-01
 2.07383249e-10 8.73522854e-09 3.35463185e-10 5.05217884e-13
 1.14828815e-11 1.44553737e-12 2.31356240e-10 4.33320796e-10
 6.15438900e-09 2.19624874e-09 6.64589911e-11 1.01684732e-08
 8.21921628e-11 2.01251393e-09 3.00050068e-10 6.15919381e-12
 1.15963020e-14 1.29192282e-10 4.20784935e-11 7.43806492e-13
 5.05730624e-10 1.10037521e-10 1.27809818e-12 3.77668063e-10
 3.30232508e-11 8.60072846e-11 4.20576518e-10 5.16971936e-13
 2.83746898e-11 2.11256013e-12 2.18944893e-12 7.31220119e-12
 2.28338778e-10 8.18930774e-12]


0.9999989


51


[4.07425986e-08 8.79506104e-07 5.48452851e-14 1.45109159e-11
 5.45019379e-16 1.97844713e-10 4.42244071e-12 1.79867052e-10
 5.61281355e-10 4.83208959e-11 8.06578415e-11 9.77813941e-11
 1.57816071e-08 4.13769019e-10 2.47041427e-08 9.24497132e-13
 8.55968595e-12 1.70991235e-10 1.51586743e-09 1.33189931e-10
 3.46810636e-10 3.90713628e-10 2.07944245e-10 8.64249561e-09
 2.62353996e-08 9.99992013e-01 1.16945773e-10 1.12187234e-12
 2.42757776e-11 7.65003449e-10 5.89535528e-13 2.03548203e-12
 6.14597609e-11 7.61242686e-13 7.95165122e-14 1.04150508e-10
 1.93485533e-10 3.11697933e-13 2.05287731e-10 8.60795877e-14
 6.09940431e-11 1.11521292e-10 6.92421988e-12 1.67762332e-10
 1.35463406e-15 3.40808057e-13 7.81670898e-13 9.72446221e-11
 6.59527283e-13 2.18526071e-13 5.20112009e-11 1.93739798e-08
 3.40150547e-11 4.25762758e-09 4.81350337e-09 3.34482511e-11
 5.41163945e-12 6.27910267e-14 4.21157796e-11 9.32517119e-11
 3.25146438e-11 2.74936490e-10 1.22749713e-10 3.91920718e-09
 1.35045294e-10 2.14956475e-09 1.49151297e-12 2.76309764e-13
 1.37586730e-14 1.15920823e-11 6.24272701e-14 1.47032719e-10
 5.91263871e-10 2.88604795e-12 1.45594088e-14 3.59805852e-09
 1.61592148e-12 1.86665245e-12 1.16446245e-11 7.19507258e-14
 2.23866325e-12 3.85640174e-12 8.26312109e-12 1.50179105e-10
 6.99274551e-06 7.63358136e-17]


0.999992


25


[2.9792030e-08 9.9999464e-01 3.6049028e-09 1.6669529e-09 3.2770178e-15
 5.1880901e-13 5.8813274e-11 7.3037661e-08 5.2373852e-09 1.4784309e-09
 4.1616155e-12 2.5570515e-07 3.2411640e-07 2.4728544e-11 3.8528977e-08
 7.9161233e-11 6.8283366e-09 2.9495180e-09 9.9698907e-09 5.8984956e-10
 3.7110297e-09 2.8319433e-10 1.3473911e-08 1.8452015e-07 1.3765018e-07
 3.0543122e-06 1.2148952e-09 4.7088613e-12 1.5141549e-09 7.5343803e-07
 1.2983716e-07 1.4519247e-09 1.4734459e-08 8.8043316e-11 3.3618508e-09
 5.4601275e-11 9.3045065e-09 2.2694914e-11 7.8244977e-10 7.3067056e-12
 1.1928949e-10 1.6296802e-09 4.8665186e-11 3.8554226e-10 9.7882274e-14
 3.5021427e-10 6.1223376e-10 1.6524071e-09 1.4620254e-10 1.2453107e-12
 1.0921286e-09 1.3172881e-09 1.9119456e-11 4.4495589e-09 1.9962194e-09
 9.7217803e-11 2.0332699e-10 2.1992007e-11 3.7040057e-10 8.1639113e-09
 9.2985709e-11 2.9019518e-09 1.3713002e-07 6.2027822e-10 1.3334065e-08
 8.3957580e-10 1.0873033e-11 4.2777323e-11 3.7884835e-13 3.7231178e-09
 2.7423999e-11 3.9447161e-09 4.2893382e-09 9.7015196e-10 4.2764227e-13
 9.7045842e-08 2.3774215e-08 7.9035098e-11 1.3015280e-11 1.4868005e-10
 3.6683087e-11 2.8309011e-10 1.4553960e-09 9.7284215e-11 3.4283286e-08
 3.1393108e-15]


0.99999464


1


[1.45542005e-08 5.49477264e-08 1.24294013e-06 1.52700565e-07
 1.10067731e-07 8.43064073e-12 2.13315698e-09 2.27464483e-08
 5.20962715e-07 9.47283363e-10 7.80795961e-09 5.88125033e-08
 9.89978233e-08 1.57303610e-08 1.83688940e-07 3.17359536e-06
 2.56046027e-01 6.88833356e-01 4.14407067e-02 4.15426586e-03
 6.97410549e-04 9.22519306e-04 2.04924421e-04 6.82254368e-03
 8.55354709e-04 1.27206246e-08 3.45000927e-07 1.39897782e-08
 5.32367267e-07 2.15136356e-06 7.45309364e-07 2.79341265e-07
 2.78339513e-07 3.73741784e-07 1.89461645e-07 1.04251444e-06
 5.68446580e-07 9.77356223e-08 1.31259796e-07 3.54753595e-08
 3.66091513e-08 1.96903125e-06 3.69938782e-08 3.64478425e-09
 2.44541415e-10 1.52008226e-07 7.46547499e-08 2.16349108e-07
 1.12972782e-06 1.22952648e-09 6.36823586e-07 5.43820704e-07
 1.01512292e-08 6.11778432e-08 1.14670335e-08 1.05677156e-08
 4.56183488e-06 4.33560876e-09 4.13551504e-08 1.91294198e-08
 5.61692914e-08 4.41514061e-08 9.03983910e-09 9.49045784e-08
 9.41603773e-08 1.38056055e-08 5.59103057e-08 3.82542970e-10
 8.37992564e-10 4.52660593e-08 8.50233750e-09 8.39899983e-10
 2.83421400e-07 1.86309762e-07 4.48037163e-10 4.28563673e-09
 8.61646932e-09 1.32984912e-08 1.03415075e-10 8.51426096e-10
 8.33810576e-10 3.35620820e-09 1.52869717e-09 4.25853297e-10
 5.85574922e-09 1.13566512e-09]


0.68883336


17
Out[32]:
'2c/2|\nK:C\n"G"B3 BAG|"G"Bdd Bdd|"C"cde "G"d2B|"D7"cBA A2A|\n"G"Bdd fgd|"G"gdB dbg|"C"gfe "G"dBG|"A7"A2G F2E|"D"D3 -D2:|\n\n\nX: 208\nT:My Dilake\n% Nottingham Music Database\nS:Kevin Briggs, via EF\nY:AB\nM:6/8\nK:D\nP:A\nA|"D"ABc dcd|"G"B2e "A7/e"g2e|"D/f+"dcd "G/b"BdB|"Em/c"ABc "A7"B2c|\n"D"Add dcd|fed d2d|"Am"cBA cBA|"A7"cde "D"d2:|\nP:B\ne/2f/2|"G"g2b "A7"gfe|"D"d3 "A7"dfg|"D"aba fdf|"D"aba fgf|"G"gag edc|\n"D"ddd dfa|"G"gbb "A7"afg|"D"fed dcd|"A7"ecA A2f/2g/2|\n"D"afd def|"G"gba "A7"gfe|"G"gfg "A7"eag|"D"fdd d:|\n\n\nX: 299\nT:Soldiers Fancy\n% Nottingham Music Database\nS:Trad, arr Phil Rowe\nM:6/8\nK:G\n"D7"d3 |"G"b2b gfe|ded B3|"G"dBd "C"g3|"G"dBG A2G|\n"C"E2G "D7"FED|"G"B2B "D7"cBA|"G"B2c "D7"edc|"G"B3 -B2B|"D7"c2c cde|\n"G"d2c Bcd|"C"efe "G"dBG|"Am"A2B "D7"cBA|"G"G3 G2:|\n\n\nX: 283\nT:Ry Dawring Digpman\n% Nottingham Music Database\nS:Trad, arr Phil Rowe\nM:6/8\nK:D\nA|"D"DFA "G"GBB|"D"FAd fed|"A7"cBc ABc|"D"dfe d3::\n"Bm"dBB fBB|dBd fed|"A7"cce Ace|"A7"fge "D"d2:|\nP:B\ng/2a/2|"G"b2g "D"afd|"G"Bcd "A7"ecA|"D"def "A7"gec|"D"d3 d2:|\n\n\nX: 2'
In [33]:
loss_df = pd.DataFrame(losses,columns=['loss'])
acc_df = pd.DataFrame(accs,columns=['acc'])
epochs = [i for i in range(0,100,10)]
epoch_df = pd.DataFrame(epochs,columns=['epoch'])

df2 = pd.concat([loss_df,acc_df,epoch_df],axis=1)
df2.iplot(x='epoch',
          y='loss',
          kind='line',
          yTitle='loss',
          xTitle='no. of epoch',
          title='epoch vs loss')
In [34]:
df2.iplot(x='epoch',
          y='acc',
          kind='line',
          yTitle='accuracy',
          xTitle='no. of epoch',
          title='epoch vs acc')
In [35]:
out_put = '%Ittng###nsciTP theiXoItI,s##Pphlllanes\n% Nottingham Music Database\nS:Trad, arr Phil Rowe\nM:6/8\nK:E\n"A\n"E7"c2d |"A"efe ece|"A"a2e c3|"Bm"efe "E7"dcB|"A"A3 :|\n\n\nX: 78\nT:Digdy Cork the The Wodn\n% Nottingham Music Database\nY:AAB\nS:Kevin Briggs, via EF\nM:6/8\nK:D\nP:A\n|:d/2e/2|"D"f2f f2f|"A7"e2c ABc|"D"d2f agf|"A"e3 efg|"D"faf def|\n"Bm"def dcB|"D"A2A A2f|"Bm"def "Em"gfe|"A7"edc "D"d2:|\nP:B\nA|"D"d2e fef|"D"agf fed|"Em"e2d edc|"Em"B2c def|\n"Am"edc "D"dfg|"Em"edB "Am"cBA|"D"dcd edc|"Bm"BAB dBd|\n"Em"efe edB|"D"def "G"gab|"D"fed "A7"Adc|"D"d3 d2:|\nP:B\nd/2e/2|"D"f2f def|"G"g2g g2f|"A7"e2e cde|"D"f2d faf|"Em"e3 e2f|"Em"g2e e2e|"Bm"f3 "E7/e"e2d|\\\n"A/c+"e3 "A7/e"f2e|\\\n"D/f+"d3 "G"d2d|\\\n"E7/g+"e2e "A7"e2e|\\\n"D"f3 "A7/e"a2c|\\\n"D"d3 "A7"d2B|\n"D"ABA a2f|"G"g2e "A7"cBc|"D"d3 "A7"A2G|"D"F2A d2e|\n"D"f2f f2f|"D7"e2f fed|"G"g3 "A7/e"f2e|"D/f+"d3 "A/c+"d2e|"D"fgf fgf|"D"e2d d2e|\n"D"fgf fed|"G"c2B B3|"A7"cdc cdc|"A7"B2A A2A|\n"D"d2d f2a|"Em"gfg "A7"e2a|"Bm"f2f "E7"efe|"A7"fed cBA|\\\n"D"f3 f3||\n\n\nX: 198\nT:Kenny Gilles\n% Nottingham Music '
print(out_put)

%Ittng###nsciTP theiXoItI,s##Pphlllanes
% Nottingham Music Database
S:Trad, arr Phil Rowe
M:6/8
K:E
"A
"E7"c2d |"A"efe ece|"A"a2e c3|"Bm"efe "E7"dcB|"A"A3 :|


X: 78
T:Digdy Cork the The Wodn
% Nottingham Music Database
Y:AAB
S:Kevin Briggs, via EF
M:6/8
K:D
P:A
|:d/2e/2|"D"f2f f2f|"A7"e2c ABc|"D"d2f agf|"A"e3 efg|"D"faf def|
"Bm"def dcB|"D"A2A A2f|"Bm"def "Em"gfe|"A7"edc "D"d2:|
P:B
A|"D"d2e fef|"D"agf fed|"Em"e2d edc|"Em"B2c def|
"Am"edc "D"dfg|"Em"edB "Am"cBA|"D"dcd edc|"Bm"BAB dBd|
"Em"efe edB|"D"def "G"gab|"D"fed "A7"Adc|"D"d3 d2:|
P:B
d/2e/2|"D"f2f def|"G"g2g g2f|"A7"e2e cde|"D"f2d faf|"Em"e3 e2f|"Em"g2e e2e|"Bm"f3 "E7/e"e2d|\
"A/c+"e3 "A7/e"f2e|\
"D/f+"d3 "G"d2d|\
"E7/g+"e2e "A7"e2e|\
"D"f3 "A7/e"a2c|\
"D"d3 "A7"d2B|
"D"ABA a2f|"G"g2e "A7"cBc|"D"d3 "A7"A2G|"D"F2A d2e|
"D"f2f f2f|"D7"e2f fed|"G"g3 "A7/e"f2e|"D/f+"d3 "A/c+"d2e|"D"fgf fgf|"D"e2d d2e|
"D"fgf fed|"G"c2B B3|"A7"cdc cdc|"A7"B2A A2A|
"D"d2d f2a|"Em"gfg "A7"e2a|"Bm"f2f "E7"efe|"A7"fed cBA|\
"D"f3 f3||


X: 198
T:Kenny Gilles
% Nottingham Music

Now go to https://www.abcjs.net/abcjs-editor.html abd paste the output

In [ ]: